2019春 实验报告6：网站排名问题 1

实验报告的主题围绕着“网站排名问题”，这主要涉及到网络数据挖掘和搜索引擎优化中的PageRank算法。PageRank是由谷歌创始人拉里·佩奇提出的，用于衡量一个网页在网络中的重要性。以下是对实验报告中各部分涉及知识点的详细解释： 1. **PageRank得分和排名变化**： PageRank算法的核心是通过迭代计算网页之间的链接权重来确定每个网页的重要性。参数p通常代表了“随机跳跃概率”，即用户在浏览网页时，随机跳转到其他页面的概率。当p的值从0.85改为0.80、0.75或0.90时，会改变权重分配的规则，从而影响网页的排名。通常，较小的p值意味着更频繁的随机跳跃，可能导致更多网页被考虑在内，可能影响排名的稳定性。 2. **小型网络排名计算**： 实验要求修改程序来计算特定小型网络的PageRank排名。这涉及到对网络结构的理解，包括节点（网页）和边（链接）的关系，以及如何根据这些关系调整权重分配。 3. **程序分析和问题修正**： 附录C中的程序可能存在逻辑错误或效率问题。分析和改正这些错误是理解PageRank算法实现的关键步骤，可能涉及到矩阵运算、迭代过程和条件判断等方面。 4. **不同网络排名对比分析**： 对比图2和图4所示小型网络的PageRank排名，可以研究网络结构变化如何影响排名。例如，新增或删除链接，节点的重要性变化等都会引起排名的变动。这需要对每个网络的链接模式进行深入分析。 5. **ncm工具箱的surfer.m**： `surfer.m`是MATLAB中的一个工具，用于获取网页的链接结构并生成网址矩阵和邻接矩阵。这对于实现PageRank算法至关重要，因为它提供了网页间链接的实际数据。 6. **网页位置和PageRank值**： 使用`[U,G]=surfer('http://www.ouc.edu.cn',n)`命令可以获取与中国海洋大学主页相关的n个网页的链接矩阵。通过分析这些矩阵，可以找出图书馆主页的位置，计算其PageRank值，以及入度（指向该页的链接数）和出度（从该页指向其他页的链接数）。 7. **扩大网页样本量**： 当n从100增加到500时，更全面地反映了与海洋大学主页相关的网页链接情况。这有助于更准确地评估数学与统计学院主页的位置。 这个实验深入探讨了PageRank算法在实际网络环境中的应用，涉及了链接分析、矩阵运算和网络结构理解等多个重要概念。通过对不同参数和网络结构的分析，学生可以更好地理解网页排名的动态性和复杂性。