81
L’interpretazione stocastica di PageRank fa riferimento al model-
lo comportamentale del random surfer elaborato da Brin e Page:
PageRank può essere pensato come un modello del comportamento
degli utenti. Assumiamo che esista un navigatore casuale al quale
viene data una pagina web a caso e che continua a cliccare sui col-
legamenti senza mai tornare indietro, finché ad un certo punto si
stanca e ricomincia [a navigare] da un’altra pagina a caso. La pro-
babilità che il navigatore casuale visiti una [data] pagina è il Page-
Rank [di quella pagina]. E d, il fattore di smorzamento, è la proba-
bilità che ad ogni pagina il navigatore si stanchi e richieda un’altra
pagina a caso.
16
Questo modello, invero piuttosto rudimentale per quanto riguarda
il comportamento dei navigatori (che, si suppone, nella realtà non agi-
scano guidati unicamente dal caso), introduce la duplice valenza,
quantitativa (link popularity) e qualitativa (link quality), di PageRank,
secondo la giustificazione intuitiva proposta da Brin e Page:
[…] Una pagina può avere un alto PageRank se esistono molte pa-
gine che puntano ad essa, oppure se esistono alcune pagine che
puntano ad essa e hanno un alto PageRank. Intuitivamente, le pagi-
ne che sono ben citate da molte fonti sul Web valgono la pena di
essere viste. Anche le pagine che hanno magari una sola citazione
da fonti quali la home page di Yahoo! valgono in genere la pena di
essere viste. Se una pagina non fosse di alta qualità, o se avesse dei
collegamenti interrotti, è alquanto probabile che non sarebbe citata
dalla home page di Yahoo!. PageRank tiene conto di entrambi que-
sti casi e di ogni caso intermedio, propagando ricorsivamente i pesi
[di ciascun link] attraverso la struttura ipertestuale del web.
17
16
Ibidem.
17
Ibidem.
 |
 |
 |