वेब माइनिंग में पेजरैंक एल्गोरिदम क्या है?

पेजरैंक वेब पेज को वस्तुनिष्ठ और यांत्रिक रूप से रेटिंग देने की एक विधि है, जो मानव रुचि पर ध्यान देती है। वेब खोज इंजन को अपरंपरागत रैंकिंग सेवाओं में हेरफेर करने वाले अनुभवहीन ग्राहकों और पेजों के साथ व्यवस्थित करना पड़ता है। कुछ मूल्यांकन विधियां जो वेब पेज की दोहराने योग्य प्रकृति को गिनती हैं, हेरफेर के प्रति असंवेदनशील हैं।

कार्य वेब की हाइपरलिंक संरचना का लाभ उठाकर हर वेब पेज की वैश्विक महत्व रैंकिंग उत्पन्न करना है। इस रैंकिंग को पेजरैंक कहा जाता है।

वेब का तंत्र लगभग 150 मिलियन नोड्स (वेब पेज) और 1.7 बिलियन एज (हाइपरलिंक्स) वाले ग्राफ पर निर्भर करता है। यदि वेब पेज A और B पेज C से लिंक करते हैं, तो A और B को C के बैकलिंक कहा जाता है। सामान्य तौर पर, अत्यधिक लिंक किए गए पेज अधिक महत्वपूर्ण होते हैं। इस प्रकार उनके अधिक बैकलिंक होते हैं और महत्वपूर्ण बैकलिंक कम मात्रा में होते हैं।

उदाहरण के लिए, याहू से एक व्यक्तिगत बैकलिंक वाले वेब पेज को अज्ञात या निजी साइटों से कई बैकलिंक वाले पेज की तुलना में उच्च रैंक दिया जाना चाहिए। एक वेब पेज की बड़ी रैंक होती है यदि उसके बैकलिंक की रैंक का योग बहुत बड़ा है।

सरलीकृत पेजरैंक

मान लीजिए u, v वेब पेज हैं। इसलिए मान लीजिए Bu वे पेजों का समूह है जो u की ओर इंगित करते हैं। इसके अलावा, मान लीजिए Nv v से कई लिंक हैं। मान लीजिए c < 1 सामान्यीकरण के लिए एक कारक है। यह एक सरल रैंकिंग R का वर्णन कर सकता है, जो पेजरैंक की सरलीकृत व्याख्या है:

$$\mathrm{R(u)\:=\:c\displaystyle\sum\limits_{u\in{Bu}}\frac{R(v)}{N_v}}$$

एक पेज की रैंक को इसके फॉरवर्ड कनेक्शन के बीच समान रूप से विभाजित किया जाता है ताकि उन पेजों की रैंक में योगदान दिया जा सके जिन्हें वे इंगित करते हैं। समीकरण पुनरावृत्त है लेकिन इस सरलीकृत फ़ंक्शन के साथ एक समस्या है।

यदि दो वेब पेज एक-दूसरे की ओर इंगित करते हैं लेकिन कोई अन्य पेज नहीं जबकि कोई अन्य वेब पेज उनमें से एक की ओर इंगित करता है, तो पुनरावृत्ति के दौरान एक लूप उत्पन्न होगा। यह लूप रैंक को इकट्ठा करेगा लेकिन कभी भी कोई रैंक साझा नहीं करेगा। आउटएज के बिना ग्राफ में लूप द्वारा बनाया गया यह जाल रैंक सिंक के रूप में जाना जाता है।

एल्गोरिदम प्रक्रिया

पेजरैंक एल्गोरिदम डेटाबेस से हर URL को एक संख्या में बदलने से शुरू होता है। अगला चरण प्रत्येक हाइपरलिंक को पूर्णांक IDs का उपयोग करके वेब पेजों को पहचानने के लिए डेटाबेस में सहेजना है। पैरेंट ID द्वारा लिंक संरचना को क्रमबद्ध करने और डैंगलिंग लिंक को हटाने के बाद पुनरावृत्ति शुरू की जाती है।

कन्वर्जेंस को गति देने के लिए सर्वोत्तम प्रारंभिक असाइनमेंट का चयन करना होगा। वर्तमान समय चरण के वजन को मेमोरी में रखा जाता है और पिछले वजन को रैखिक समय में डिस्क पर एक्सेस किया जाता है। वजन के कन्वर्ज होने के बाद डैंगलिंग कनेक्शन को वापस डाला जाता है और रैंकिंग की पुनर्गणना की जाती है। गणना अच्छी तरह से लागू होती है लेकिन कन्वर्जेंस मानदंड को आसान बनाकर और अधिक प्रभावी अनुकूलन दृष्टिकोणों का उपयोग करके इसे तेज किया जा सकता है।