PageRank是一種基于一階馬爾可夫鏈的用于計算網(wǎng)頁分值排名從而優(yōu)化網(wǎng)頁的模型 馬爾科夫鏈中的xn即第n次點擊到了某網(wǎng)頁上，它與上一點擊的網(wǎng)頁出入點有關(guān) 該設(shè)想有兩個問題:終止點問題和陷進問題，終止點問題是指網(wǎng)頁不滿足強連通，指一些網(wǎng)頁不值任何網(wǎng)頁，那么多次迭代后網(wǎng)頁訪問概率為0。陷進問題是指有網(wǎng)頁指向自己時，那么多次迭代后網(wǎng)頁訪問概率轉(zhuǎn)移到該網(wǎng)頁 目的:為解決這兩個問題，改進PageRank，將算法分為兩部分，設(shè)置阻尼因子，使得最后的迭代收斂，阻尼因子一般記為0.85 思考:二階馬爾可夫鏈用數(shù)學(xué)模型時可以用三階張量表示，那么，是否可以利用張量來更快解決馬爾科夫問題？