Advertisement

Google und der PageRank-Algorithmus

  • Christiane Rousseau
  • Yvan Saint-Aubin
  • Manfred Stern
Chapter
Part of the Springer-Lehrbuch book series (SLB)

Zusammenfassung

Die ersten drei Abschnitte dieses Kapitels verwenden lineare Algebra (Diagonalisierung, Eigenwerte und Eigenvektoren) und elementare Wahrscheinlichkeitstheorie (Unabhängigkeit von Ereignissen und bedingte Wahrscheinlichkeit). Diese Abschnitte liefern die Grundlagen und können in ungefähr drei Stunden behandelt werden. Zusammengenommen vermitteln sie einen guten Eindruck davon, wie der PageRank- Algorithmus funktioniert. Abschnitt 9.4 erfordert tiefergehende Kenntnisse, nämlich eine Vertrautheit mit reeller Analysis (Häufungspunkte und Konvergenz von Folgen); dieser Abschnitt kann in ein oder zwei Stunden abgedeckt werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. [1]
    S. Karlin und M. Taylor, A First Course in Stochastic Processes. Academic Press, 2. Auflage, 1975.Google Scholar
  2. [2]
    A. M. Langville und C. D. Meyer, Google’s PageRank and Beyond: The Science of Search Engine Rankings. Princeton University Press, 2006.Google Scholar
  3. [3]
    L. Page, S. Brin, R. Motwani und T. Winograd, The PageRank citation ranking: Bringing order to the web. Technical report, Stanford University, 1998.Google Scholar
  4. [4]
    S. M. Ross, Stochastic Processes. Wiley & Sons, 2. Auflage, 1996. (Dieses Buch ist umfassender als das von Karlin und Taylor [1].)Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2012

Authors and Affiliations

  • Christiane Rousseau
    • 1
  • Yvan Saint-Aubin
    • 1
  • Manfred Stern
    • 2
  1. 1.Dépt. Mathématiques et de StatistiqueUniversité de MontréalMontrealKanada
  2. 2.Halle an der SaaleDeutschland

Personalised recommendations