Vlákno názorů k článku Proč nám fulltextový stroj nerozumí? od Karel Sasin - Mohl by mi prosim autor nebo proste nekdo...

Mohl by mi prosim autor nebo proste nekdo inteligentnejsi jeste trochu privysvetlit ten algoritmus pro stanoveni "GooglePageRank". Nemohu to pochopit.
Uz jedna z uvodnich vet mi pripada rozporuplna:

"zvolí stránku s pravděpodobností q nebo s pravděpodobností (1-q) následuje odkaz, který ..."

Prece pokud je pravdepodobnost, ze uzivatel stranku ZVOLI "q", pak prevdepodobnost, ze ji NEZVOLI je "1-q". Tak jake "NEBO"?

A znamena tedy algoritmus, pokud si jej prelozim do lidstiny, ze

a)Pagerank me stranky ROSTE s Pagerank-em stranek, ktere na mou stranku odkazuji?????

b)Pagerank me stranky KLESA s poctem odkazu na strankach, ktere na mou stranku odkazuji?????

Karel Sasin
wap.sluzba.cz

Dovolím si odpovědět za autora :-)

a)Pagerank me stranky ROSTE s Pagerank-em stranek, ktere na mou stranku odkazuji?????

Ano.

b)Pagerank me stranky KLESA s poctem odkazu na strankach, ktere na mou stranku odkazuji?????

Přírůstek vašeho PR získaný za určitou stránku je nepřímo úměrný počtu jiných odkazů na ní umístěných.

Bod a) je mi tedy jasny.
Bod b) pisete to stejne co ja, jen trochu jinak, takze take chapu.

ALE
je to vubec pravda? Pokud ano, jak to autor vi? Pracuje snad pro Google?
Pane Prokope, Vy vite jeste lepe nez ja, ze Google metodiky taji, aby nedaval navod, jak PageRank umele zvyzovat, ne???

Pokud vim, tak se mezi lidmi, co delaji optimalizovane stranky pro fulltexty, vseobecne veri, ze AV, nebo Google berou v potaz i PageRank stranek, ze kterych se pocita PageRank Vasich stranek ... tedy nejenom jejich pocet.

Je to i logicke ... pokud budete mit stranku zarazenou v YAHOO, tak to ma vetsi vahu, nez kdyz na ni bude odkaz z nejakeho geocities.com/xxx/xxxxx/xxxxx/xxxxxx.html.

Zda autor pracuje pro Google nevím, ale jakým způsobem Google zahrnuje do hodnocení stránky tzv. link popularity (tj. ukazatel sestavený na základě externích odkazujících stránek) lze experimentálně zjistit. Sám jsem několik dlouhodobých (s horizontem cca. 1 rok) pokusů dělal a ty výše uvedený závěr prokázaly.

Na druhou stranu počet odkazů na odkazujících stránkách a samotný PR těchto stránek nejsou zdaleka jedinými parametry, které vstupují do váhy externího odkazu.

Technicka zprava popisujici implementaci Googlu je The Anatomy of a Large-Scale Hypertextual Web Search Engine. Nejsem si zcela jisty, jak moc je jiz zastarala...

To autor take pise, viz ten vzorecek...

BTW opravdu se tesim na nejaky clanek autora, u ktereho si nebudu muset pracne (a vetsinou marne :-) vybavovat obskurni vysokoskolske znalosti. Mam takovy pocit, ze Markovovy retezce jsou snad na vsech VS krome MatFyzu soucasti maximalne volitelnych kurzu statistiky/teorie pravdepodobnosti.

Slo by to pritom vysvetlit v pohode i bez toho, ta metoda NENI nijak komplikovana - aspon ja to chapu tak, ze na zacatku se vsem strankam strci nejaky konstantni pagerank, pote se na zaklade techto pageranku spocitaji tyto pageranky znovu (tj. zvysi se tem strankam, na ktere vede hodne linku), pote se vypocet provede opet znovu (tj. opet se zvysi pagerank strankam, na ktere vede hodne linku, hlavne ze stranek, na ktere take vede hodne linku, tj. maji uz pagerank vysoky), to se dela porad dokola, dokud se prirazene pageranky uz (temer) nemeni, ty jsou pak vysledne.

Vas empiricky zaver je spravny. Dnes se ale testuji i metody jak do PageRank vpravit i semantiku (linky v patickach nejsou treba casto proklikavany) - tim by se PageRank ze stranky predaval ne tak alibisticky (=vsem stejne) jako je v zakladni formuli, kterou jsem uvedl, ale s daleko vetsi granularitou.

Az budou zapojeny bude velmi odtizne zjistovat neco empiricky...

Dekuji, ten link je velice uzitecny.

Markovovy retezce jsem zminoval proto, ze jsem chtel vysvetlit pozadi onech formuli - mnozi nemuseli byt u toho, kdyz se vlastne jen chtelo zjistit, co by se stalo, kdyby:

- nahodny uzivatel nekde zacal
- s pravdepodobnosti q by se mu stranka kde je, nelibila ani linky na ni a tak si zvolil jinou
- se zbyvajici pravd. (1-q) by sel po odkazech na strance dal - tedy na jeden odkaz pripada pravd. (1-q)/(pocetlinkunastrance)

a z toho bychom chteli zjistit, kde skonci nejpravdepodobneji - treba abysme to marketingove vyuzili a zaplatili si na tento nejpravdepodobnejsi dokument svuj banner.

Zbytek je pak vlastne matematicka rutina.

Muj pohled na toto je ten, ze si pamatuji pribeh, pohadku o metode, nikoliv vzorce. Kdyby se nekdy stalo, ze opet zabrousim do kalnych vod, rad to v diskuzi pod clankem (na pripadne dotazy) dovysvetlim.