페이지 순위가 실시간으로 계산되는 방법

Question

나는 http://en.wikipedia.org/wiki/PageRank에 설명을 읽었으며 페이지 순위는 들어오는 링크와 나가는 링크로 계산된다는 것을 알고 있습니다.

웹 페이지를 크롤링하고 DB에 저장하는 동안 크롤러가 있는데 페이지 순위 알고리즘이 필요합니다. 내가 유 설명해 수 있습니다 다음과 같은 값

Title 
url 
content_html 
outgoing_links(external domain) 
internal_links(the links with same domain of the url) 

와 DB를 가지고 내가하고 페이지 순위를 계산하기 위해 다른 값을해야합니까. 자바를 사용하여 계산하는 방법을 설명하시기 바랍니다

Answer 1

몇 가지 옵션이 있습니다. duffymo의 솔루션은 완벽합니다.하지만 기존 라이브러리를 사용하려면 그래프에 대해 Jung과 비슷한 것을 제안하십시오.

graphs에 익숙하지만 링크의 구조를 저장하는 데 사용할 수 있는지 잘 모르겠지만 페이지 랭크는 대부분의 라이브러리에 포함되는 경우가 많습니다. 어떻게하면 좋을지에 따라 메모리 솔루션의 장점은 Jung이지만 영구적 인 데이터베이스 저장소가 필요하다면 Neo4J에 데이터를로드하는 것보다 페이지 랙을 수행하려면 gremlin을 설치해야합니다.

위의 내용은 Java 솔루션이지만 직접 작성하고 싶다면 (내가 마른 연구 논문을 좋아하지 않는 것처럼) 책 프로그래밍 집단 지성을 강력하게 제안 할 것입니다. 그것들은 처음부터 클릭 랭크 (pagerank)와 신경 네트워크를 포함하는 검색 엔진을 만들어 클릭을 모니터링합니다. 위의 요구 사항을 기반으로하는 유일한 문제는이 책이 Python으로 작성되었지만 Java에 논리를 쉽게 적용 할 수 있다는 것입니다. 이미 약간의 파이썬을 알고 있다면 무료로 책의 소스 코드를 다운로드하고 소프트웨어를 체크 아웃 할 수 있습니다 (소스 코드의 코드 뒤에 수학에 대한 설명은 없습니다).

희망 하시겠습니까?

Answer 2

페이지 랭크 (PageRank), 그 중심에서, 선형 대수학 고유치 문제는 다음과 같습니다

http://www.rose-hulman.edu/~bryan/googleFinalVersionFixed.pdf

당신이 선형 대수학 또는 고유치 문제를 모르거나하지 않는 경우 이 보고서를 기꺼이 읽으 려한다면이 문제를 해결할 수는 없을 것입니다. 아인슈타인이 말했듯이, "가능한 한 간단하게 문제를 해결할 수는 있지만 간단하지는 않습니다 ..."

논문의 제목은 오래되었습니다. 그것은 2004 년경의 구글의 시가 총액을 가리킨다. 그것은 오늘 아침에 211 억 달러까지이다.

기술은 그 당시에는 여전히 존재하지 않았습니다. Google은 독점적 인 방법으로 알고리즘을 계속 조정합니다. 그러나이 논문은 그것의 핵심을 설명합니다.