PageRank原理与代码实现（详细解析）

前言

鉴于近期需要着手毕业设计的准备工作，论文中涉及从句子中提取关键词的任务，需采用TextRank算法加以实现。该算法源自PageRank算法的优化与改进。

来源

该技术被应用于搜索引擎，用于评估网页的重要程度并进行排序。谷歌的两位创始人，来自斯坦福大学的佩奇与布林，借鉴了学术界对论文影响力的评价方式，即被引用次数越多代表其重要性越高。PageRank的核心理念可归纳如下：

• 当一个网页受到大量其他网页的链接指向时，表明其具有较高的重要性，相应的权重值也会随之提升。
• 若拥有较高PageRank值的网页对某一网页产生链接，则该网页的权重值也将相应增加。

模型

将网页视为图中的节点进行处理。例如，存在四个网页，分别标记为A、B、C和D，如图所示。

针对A而言，A分别关联至B、C以及D。由于被划分为三个部分，因此每条分支所承担的权重仅占整体的三分之一。
输入数据的格式为json形式，具体示例如下：

    {"A":["B","C","D"], "B":["A","C"], "C":["D"], "D":[