史倩，张家健，张伟

（1.河海大学商学院，江苏南京210000；2.江苏省邮电规划设计院有限公司江苏南京210000）

PageRank 大规模实现中的存储问题研究

史倩1，张家健2，张伟2

（1.河海大学商学院，江苏南京210000；2.江苏省邮电规划设计院有限公司江苏南京210000）

基于PageRank模型扩展到网络大小的规模时会面临诸如如何存储矩阵、PageRank的解的精度、收敛准则、悬挂节点如何处理等问题，本文通过对链接分析算法的数学内容分析，研究了PageRank部分的数学元素的存储问题、悬挂结点以及后退按钮建模的算法和优缺点，在此基础上，对压缩邻接链表信息的两种方法进行对比分析，总结出不同方法的使用条件。选择新的算法以恢复每个悬挂结点各自的评分并去除排名中的有偏性，并对后退按钮建模的回弹模型进行分析。

PageRank；存储问题；悬挂结点；后退按钮建模

PageRank模型扩展到网络大小的规模时会面临诸如如何存储矩阵、PageRank的解的精度、收敛准则、悬挂节点如何处理等问题。搜索引擎需要巨量的存储设施，以将网页及其位置、倒排索引和图像索引、内容评分、PageRank评分以及超链接图等信息加以存档。同时，开始进行PageRank的大规模实现时，必须在设计方面做出决策以确定如何处理悬挂结点问题，与悬挂结点相关的便是后退按钮的问题，这些问题得到研究者越来越多的重视，并从不同研究角度给出了有效的研究方法。

表1　PageRank问题的存储需求

1　存储问题

设计表1中的项目以计算PageRank向量，其中nnz（H）是H中的非零元素的个数，是悬挂结点的个数，而n是网络图中网页的数量。……