PageRank-Algorithmus: Unterschied zwischen den Versionen
K |
K |
||
| Zeile 5: | Zeile 5: | ||
== Vektoriteration == | == Vektoriteration == | ||
| − | Betrachtet man eine diagonalisierbare Matrix A, so gibt es eine Basis aus den Eigenvektoren zu den entsprechenden Eigenwerten. Nun wählen wir einen Startvektor und erhalten eine Folge v | + | Betrachtet man eine diagonalisierbare Matrix A, so gibt es eine Basis aus den Eigenvektoren zu den entsprechenden Eigenwerten. Nun wählen wir einen Startvektor und erhalten eine Folge v<math>n \v^\(i+1) = \Av^ \(i) |
==Mathemodus== | ==Mathemodus== | ||
Version vom 22. März 2021, 12:58 Uhr
Es gibt mehrere Milliarden Websites im Internet und doch erscheint, wenn wir bei Google beispielsweise nach "Fun Facts Heidelberg" suchen, diese Seite in verschiedenen Browsern unter den ersten zehn. Das liegt daran, dass der Suchbegriff auf einigen der Seiten keine so große Rolle spielt. Man wird feststellen, dass die ersten Ergebnisse die relevantesten sind. Aber wie schafft es die Suchmaschine die Seiten so zu sortieren? Dort kommt der PageRank-Algorithmus ins Spiel, welcher die Seiten über die Anzahl an Links mit Hilfe der linearen Algebra nach ihrer Wichtigkeit sortiert.
Prinzip des PageRank-Algorithmus
Eine Website ist umso wichtiger, um so mehr Links von wichtigen Websites auf sie verweisen.
Vektoriteration
Betrachtet man eine diagonalisierbare Matrix A, so gibt es eine Basis aus den Eigenvektoren zu den entsprechenden Eigenwerten. Nun wählen wir einen Startvektor und erhalten eine Folge v[math]n \v^\(i+1) = \Av^ \(i) ==Mathemodus== Für jedes gi\lt math\gt n \in \mathbb{N}[/math]lt:
[math]\sum_{i=1}^\infty \frac{1}{n^2} = \frac{\pi}{6}[/math]