网页的出链，一个记录入链。
然后迭代计算，直到收敛。”
“收敛条件呢？”
“每个网页的分数变化小于某个阈值。”
“计算量还是大。”张涛摇头，“十万网页，矩阵就是一百亿个元素。
现在的服务器算不动。”
第三天，陈浩打电话来了。
“遇到困难了？”他问。
贾瀞雯实话实说：“算力不够。
团队说矩阵太大，迭代计算需要的时间太长。”
电话那头沉默了一会儿。
“可以简化。”陈浩说，“第一，不需要算所有网页。
只计算有入链的网页，那些孤立页面直接给最低分。
第二，迭代可以分批进行，不需要一次性算完。
第三，分数不需要精确到小数点后很多位，整数就行。”
贾瀞雯把这些记下来，转告给团队。
李明听了，一拍大腿：“对啊！我们可以分块计算！先把网页按链接关系分组，组内迭代，组间再迭代。
这样内存占用能降下来。”
思路打开了，进展就快了。
第一周结束时，他们做出了简化版的超链分析算法。
测试数据很小，只有一千个网页，但结果令人鼓舞——重要网页的分数确实高，垃圾网页的分数确实低。
第二周，开始集成到真实数据里。
问题又来了：十万网页的链接关系太复杂，计算一次要八个小时。
“太慢了。”张涛盯着屏幕，“如果每天都要重新计算，根本跟不上网页更新的速度。”
贾瀞雯给陈浩打电话。
这次陈浩的建议很直接：“增量更新。
每天只计算新增网页和发生变化的部分，其他的用缓存。”
又是新的挑战。
但团队已经适应了这种节奏——遇到问题，分析问题，解决问题。
第二周周四晚上，李明从座位上跳起来。
“出来了！第一次完整计算完成！”
所有人围过去。
屏幕上显示着计算结果：十万网页，每个都有一个分数。
排在前面的，确实是那些权威网站，新闻门户，高校主页。
排在后面的，大多是个人主页或者广告页面。
“集成到排名算法里测试一下。”贾瀞雯说。
李明敲了几行代码，启动测试程序。
输入几个关键词，搜索结果按新算法排序。
效果明显。
之前搜“电脑价格”，前排结果里总有几个堆关键词的垃圾页面。
现在那些页面不见了，取而代之的是真正的电脑报价网站。
“准确率！”张涛喊，“测试集准确率升到百分之六十二了！”
办公室响起掌声。
本章未完，请点击下一页继续阅读！