電子商務(wù)新進(jìn)展：個(gè)性化營(yíng)銷方法

電子商務(wù)新進(jìn)展：個(gè)性化營(yíng)銷方法張俊嶺AssociateProfessorzhangjunling@SEM,ZJNU課外文獻(xiàn)閱讀1.A.Umyarov,A.Tuzhilin,UsingExternalAggregateRatingsforImprovingIndividualRecommendations,ACMTransactionsontheWeb,Vol.5,No.1,Article3,February2011.2.Y.Songetal.,AutomaticTagRecommendationAlgorithmsforSocialRecommenderSystems,ACMTransactionsontheWeb,Vol.5,No.1,Article4,February2011.3.Huang,Zeng,WhyDoesCollaborativeFilteringWork?INFORMSJournalonComputing23(1),138–152,2011課外文獻(xiàn)閱讀4.Kumar,Benbasat,TheInfluenceofRecommendationsandconsumerReviewsonEvaluationsofWebsites,InformationSystemsResearch17(4),pp.425–439,20065.JuanjuanZhang,ThePerilsofBehavior-BasedPersonalization,MarketingScience30(1),170–186,2011InAddition（AsamplepaperofEmpiricalResearch）Mudambi,Schuff,WHATMAKESAHELPFULONLINEREVIEW?ASTUDYOFCUSTOMERREVIEWSONAMAZON.COM,MISQuarterlyVol.34No.1,185-200,2010個(gè)性化營(yíng)銷方法個(gè)性化營(yíng)銷及其范疇個(gè)性化營(yíng)銷方法分類WebMining個(gè)性化產(chǎn)品推薦方法什么是個(gè)性化營(yíng)銷？個(gè)性化營(yíng)銷的動(dòng)機(jī)：由于消費(fèi)者在人格特征、教育、收入、社會(huì)環(huán)境、角色、年齡、文化等方面存在差異，導(dǎo)致：（1）需求不同；（2）認(rèn)知過(guò)程不同（信息加工過(guò)程）；（3）決策目標(biāo)/行為不同個(gè)性化營(yíng)銷的契機(jī)：電子商務(wù)的發(fā)展個(gè)性化營(yíng)銷：企業(yè)直接面向消費(fèi)者，將營(yíng)銷目標(biāo)細(xì)分到“個(gè)體”顧客，并按照顧客的獨(dú)特需求制定個(gè)性化策略的新型營(yíng)銷方式。個(gè)性化營(yíng)銷的目的：在最大限度滿足消費(fèi)者個(gè)性化需求的同時(shí)，提升企業(yè)的核心競(jìng)爭(zhēng)力，提高企業(yè)的盈利能力個(gè)性化營(yíng)銷的支持信息人格特征教育收入社會(huì)環(huán)境角色年齡文化需求不同認(rèn)知過(guò)程不同決策不同實(shí)證研究：影響關(guān)系?互聯(lián)網(wǎng)環(huán)境下，消費(fèi)者的這些信息往往無(wú)法獲??！個(gè)性化營(yíng)銷的支持信息信息搜索行為：網(wǎng)絡(luò)消費(fèi)者為了滿足其消費(fèi)欲望，在購(gòu)買、使用商品或接受服務(wù)之前是如何通過(guò)網(wǎng)絡(luò)獲取信息的？網(wǎng)站訪問(wèn)行為：網(wǎng)絡(luò)消費(fèi)者訪問(wèn)網(wǎng)站的軌跡是什么？它隱含著哪些信息，如消費(fèi)者的消費(fèi)欲望、興趣、偏好？消費(fèi)與購(gòu)買行為：網(wǎng)絡(luò)消費(fèi)者愿不愿意在網(wǎng)絡(luò)上消費(fèi)？為什么？擔(dān)心欺詐問(wèn)題還是擔(dān)心隱私無(wú)法得到保護(hù)？網(wǎng)絡(luò)消費(fèi)者的購(gòu)買是如何決策的？他買了哪些商品或接受了哪些服務(wù)？這隱含著哪些信息？對(duì)企業(yè)產(chǎn)品開發(fā)、推廣促銷有什么幫助？在線評(píng)論/口碑傳播行為：消費(fèi)者對(duì)他所購(gòu)買的產(chǎn)品/服務(wù)滿意嗎？滿意度如何？這種行為對(duì)消費(fèi)者的購(gòu)買決策會(huì)產(chǎn)生影響嗎？個(gè)性化營(yíng)銷的支持信息人格特征教育收入社會(huì)環(huán)境角色年齡文化需求不同認(rèn)知過(guò)程不同決策不同實(shí)證研究：影響關(guān)系信息搜索行為網(wǎng)站訪問(wèn)行為消費(fèi)與購(gòu)買行為用戶定制信息交流與溝通在線評(píng)論數(shù)據(jù)挖掘：發(fā)現(xiàn)偏好?個(gè)性化營(yíng)銷范疇個(gè)性化營(yíng)銷的理論假設(shè)：①具有相似網(wǎng)絡(luò)行為（如點(diǎn)擊、購(gòu)買）的消費(fèi)者具有相似的興趣、角色、需求；②具有相似興趣、角色、需求的消費(fèi)者具有相似的消費(fèi)行為。假設(shè)①是建模的基礎(chǔ)，假設(shè)②是預(yù)測(cè)的基礎(chǔ)當(dāng)然，影響網(wǎng)絡(luò)行為的因素還有很多：網(wǎng)絡(luò)使用知識(shí)、與需求相關(guān)的領(lǐng)域知識(shí)以及風(fēng)險(xiǎn)意識(shí)的影響等個(gè)性化營(yíng)銷范疇個(gè)性化營(yíng)銷范疇（4P）Product：個(gè)性化產(chǎn)品設(shè)計(jì)、定制、推薦Price：個(gè)性化定價(jià)Place：個(gè)性化渠道——個(gè)性化網(wǎng)站導(dǎo)航、個(gè)性化產(chǎn)品展示、自適應(yīng)站點(diǎn)、個(gè)性化溝通平臺(tái)（評(píng)論、SNS-淘江湖、BBS、IM-淘寶旺旺）Promotion：個(gè)性化廣告、個(gè)性化折扣/促銷策略注：4C——Customer,Cost,Convienience,Communication個(gè)性化營(yíng)銷范疇人格特征教育收入社會(huì)環(huán)境角色年齡文化需求不同認(rèn)知過(guò)程不同決策不同實(shí)證研究：影響關(guān)系信息搜索行為網(wǎng)站訪問(wèn)行為消費(fèi)與購(gòu)買行為用戶定制信息交流與溝通在線評(píng)論數(shù)據(jù)挖掘：發(fā)現(xiàn)偏好個(gè)性化營(yíng)銷策略：個(gè)性化產(chǎn)品/服務(wù)、個(gè)性化價(jià)格、個(gè)性化渠道、個(gè)性化促銷個(gè)性化營(yíng)銷方法個(gè)性化營(yíng)銷及其范疇個(gè)性化營(yíng)銷方法分類WebMining個(gè)性化產(chǎn)品推薦方法個(gè)性化營(yíng)銷方法分類面向Web的數(shù)據(jù)挖掘——Web挖掘通過(guò)對(duì)Web使用數(shù)據(jù)、Web頁(yè)面內(nèi)容、Web站點(diǎn)結(jié)構(gòu)的挖掘，發(fā)現(xiàn)消費(fèi)者的行為特征，依此推斷其消費(fèi)特征。面向營(yíng)銷數(shù)據(jù)庫(kù)的數(shù)據(jù)挖掘——數(shù)據(jù)挖掘（個(gè)性化推薦）：為消費(fèi)者個(gè)人推薦可滿足其消費(fèi)偏好和興趣的商品、信息或服務(wù)。協(xié)同過(guò)濾技術(shù)：首先找到與目標(biāo)消費(fèi)者有相似興趣的其他消費(fèi)者，再將他們感興趣的內(nèi)容推薦給目標(biāo)消費(fèi)者。內(nèi)容過(guò)濾技術(shù)：從目標(biāo)消費(fèi)者過(guò)去感興趣的產(chǎn)品特征描述中得到消費(fèi)者的偏好信息，再將具有相似特征的商品、服務(wù)或信息推薦給目標(biāo)消費(fèi)者。個(gè)性化營(yíng)銷方法分類文本挖掘通過(guò)語(yǔ)義分析，挖掘給定文本的內(nèi)容特征，分析文本所揭示的用戶興趣（Web內(nèi)容挖掘、在線評(píng)論/口碑分析）社會(huì)性網(wǎng)絡(luò)分析利用復(fù)雜網(wǎng)絡(luò)理論和統(tǒng)計(jì)學(xué)方法，分析網(wǎng)絡(luò)用戶在互動(dòng)中的動(dòng)力學(xué)特征，以期發(fā)現(xiàn)網(wǎng)絡(luò)用戶的群體行為特征圖挖掘針對(duì)復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)，應(yīng)用圖模型表示相關(guān)結(jié)構(gòu)，借助圖挖掘技術(shù)發(fā)現(xiàn)相關(guān)子圖、關(guān)聯(lián)子圖等，探索網(wǎng)絡(luò)中群體用戶的行為及相互影響個(gè)性化營(yíng)銷方法分類語(yǔ)義分析方法分析用戶評(píng)論的語(yǔ)義及其傾向性，揭示用戶對(duì)所購(gòu)產(chǎn)品的滿意度信息融合方法多種信息源的綜合應(yīng)用策略，如神經(jīng)網(wǎng)絡(luò)、證據(jù)理論等行為運(yùn)籌學(xué)方法行為運(yùn)籌學(xué)方法是將行為科學(xué)與傳統(tǒng)運(yùn)籌學(xué)相結(jié)合而形成的一類方法，用以解決考慮用戶行為的系統(tǒng)優(yōu)化與控制問(wèn)題。個(gè)性化營(yíng)銷策略的優(yōu)化問(wèn)題正是以表征消費(fèi)者行為偏好的用戶模型（如目標(biāo)需求偏好、興趣偏好、認(rèn)知風(fēng)格、保留價(jià)格等)為基本約束，在此基礎(chǔ)上逐步考慮產(chǎn)品整體滿意度、企業(yè)的成本、利潤(rùn)、庫(kù)存、企業(yè)間競(jìng)爭(zhēng)等因素的約束，獲得企業(yè)利潤(rùn)和消費(fèi)者滿意度最大化的多目標(biāo)優(yōu)化問(wèn)題。個(gè)性化營(yíng)銷方法個(gè)性化營(yíng)銷及其范疇個(gè)性化營(yíng)銷方法分類WebMining個(gè)性化產(chǎn)品推薦方法Web數(shù)據(jù)—產(chǎn)生互聯(lián)網(wǎng)瀏覽器緩存Web瀏覽器Web頁(yè)面Web服務(wù)器請(qǐng)求對(duì)象Web日志W(wǎng)eb頁(yè)面圖片、視頻CookieWeb數(shù)據(jù)—類型與性質(zhì)內(nèi)容(webpages)：網(wǎng)頁(yè)內(nèi)容，如圖片、聲音、文本等結(jié)構(gòu)(webstructure)：頁(yè)面之間的鏈接關(guān)系使用(weblogs)：用戶瀏覽網(wǎng)站的行為數(shù)據(jù)，記錄為Web日志數(shù)據(jù)用戶檔案(userprofiles)：用戶注冊(cè)時(shí)提交的個(gè)人資料，如姓名、性別、興趣偏好等Web數(shù)據(jù)—用途理解用戶的網(wǎng)站訪問(wèn)行為瀏覽行為：Weblogs.訪問(wèn)者偏好:Webpages用戶的社群行為：WebStructure+Webpages困難Weblogs包含大量無(wú)關(guān)的數(shù)據(jù)網(wǎng)站是異構(gòu)的、無(wú)標(biāo)記的、分布式的、時(shí)變的、半結(jié)構(gòu)化的、高維的Web數(shù)據(jù)—利用技術(shù)根據(jù)Web數(shù)據(jù)的類型，Web挖掘分為Web結(jié)構(gòu)挖掘(WebStructureMining，WSM)：挖掘網(wǎng)站結(jié)構(gòu)數(shù)據(jù)Web內(nèi)容挖掘(WebContentMining，WCM)：挖掘網(wǎng)頁(yè)內(nèi)容數(shù)據(jù)Web使用挖掘(WebUsageMining，WUM)：挖掘網(wǎng)站使用數(shù)據(jù)（訪問(wèn)數(shù)據(jù)，clickstream數(shù)據(jù)）Web數(shù)據(jù)—夢(mèng)想將訪問(wèn)者轉(zhuǎn)變?yōu)槠髽I(yè)真正的消費(fèi)者或保留已有客戶對(duì)策:不斷改善網(wǎng)站的內(nèi)容和結(jié)構(gòu)（有用性、易用性，技術(shù)接受模型TAM）網(wǎng)站是個(gè)性化的：為不同用戶提供不同的內(nèi)容/服務(wù)/結(jié)構(gòu)/展示準(zhǔn)確理解用戶在網(wǎng)站內(nèi)的行為數(shù)據(jù)預(yù)處理—任務(wù)Weblogs：會(huì)話識(shí)別，甄別出用戶的實(shí)際會(huì)話Webpages：頁(yè)面內(nèi)容表示（向量空間模型，Vectorspacemodel），將網(wǎng)頁(yè)轉(zhuǎn)換成特征向量Web超鏈結(jié)構(gòu)：識(shí)別社會(huì)網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別Web日志數(shù)據(jù)：在訪問(wèn)者向Web服務(wù)器請(qǐng)求頁(yè)面時(shí)被記錄下來(lái)的訪問(wèn)行為，主要內(nèi)容有用戶地址(IP)、用戶身份(Id)、時(shí)間(Date)、請(qǐng)求頁(yè)面(URL)、狀態(tài)碼(Status)、內(nèi)容長(zhǎng)度(Bytes)、引用(referer)、瀏覽器(agent)等。會(huì)話(session)：用戶在瀏覽某個(gè)網(wǎng)站時(shí)，從進(jìn)入網(wǎng)站到瀏覽器關(guān)閉所經(jīng)過(guò)的這段時(shí)間，也就是用戶瀏覽這個(gè)網(wǎng)站所花費(fèi)的時(shí)間。（類比：消費(fèi)者到超市一次所購(gòu)買的商品，會(huì)話分析=購(gòu)物車分析）數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別會(huì)話識(shí)別的必要性：數(shù)據(jù)的正確性是發(fā)現(xiàn)正確的用戶行為模式的必要條件會(huì)話識(shí)別的任務(wù)：將客戶端用戶的訪問(wèn)請(qǐng)求任務(wù)劃分出來(lái)，使其正確描述用戶的會(huì)話，即按照會(huì)話對(duì)web日志數(shù)據(jù)進(jìn)行劃分。會(huì)話識(shí)別面臨的挑戰(zhàn)：（1）代理服務(wù)器問(wèn)題；（2）動(dòng)態(tài)IP問(wèn)題；（3）缺失鏈接（本地緩存）；（4）一臺(tái)機(jī)器多人共用；（5）同一用戶使用不同的機(jī)器上網(wǎng)；（6）短會(huì)話問(wèn)題；（7）長(zhǎng)會(huì)話問(wèn)題數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別會(huì)話偵聽方案遠(yuǎn)程智能體：在客戶端安裝一個(gè)智能體，將用戶的第一次頁(yè)面請(qǐng)求及其后續(xù)訪問(wèn)返回至服務(wù)端修改瀏覽：修改瀏覽器的源碼，獲取客戶端的特征數(shù)據(jù)動(dòng)態(tài)網(wǎng)頁(yè)重寫：當(dāng)用戶請(qǐng)求頁(yè)面訪問(wèn)時(shí)，重寫用戶請(qǐng)求的頁(yè)面使其包含特定的標(biāo)識(shí)，用戶的后續(xù)請(qǐng)求（同一個(gè)會(huì)話）均記錄該標(biāo)識(shí)。啟發(fā)式方法：利用一組假設(shè)識(shí)別會(huì)話，并發(fā)現(xiàn)因緩存丟失的請(qǐng)求數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別會(huì)話識(shí)別機(jī)制IP地址+瀏覽器：假設(shè)一個(gè)“IP-瀏覽器對(duì)”是一個(gè)用戶簡(jiǎn)單、實(shí)用，不侵犯隱私，但無(wú)法解決代理服務(wù)器問(wèn)題嵌入SessionID：即動(dòng)態(tài)網(wǎng)頁(yè)重寫與IP無(wú)關(guān)，但識(shí)別不了同一個(gè)用戶的重復(fù)訪問(wèn)用戶注冊(cè)訪問(wèn)：用戶訪問(wèn)時(shí)需要登錄系統(tǒng)難，很多人不愿意注冊(cè)cookie：在客戶端放置一個(gè)ID記錄機(jī)器，可跟蹤同一臺(tái)機(jī)器侵犯隱私，用戶可以自己清除cookie客戶端智能體：在客戶端加載一個(gè)智能體返回用戶的訪問(wèn)信息嚴(yán)重侵犯隱私，容易遭到用戶的拒絕數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別會(huì)話識(shí)別機(jī)制啟發(fā)式方法超時(shí)規(guī)則：當(dāng)兩個(gè)頁(yè)面請(qǐng)求的時(shí)間超過(guò)一定限度，如30分鐘，則假設(shè)啟動(dòng)一個(gè)新會(huì)話IP-瀏覽器規(guī)則：不同的IP-瀏覽器對(duì)標(biāo)識(shí)不同的會(huì)話超鏈頁(yè)面規(guī)則：所請(qǐng)求的某個(gè)內(nèi)容頁(yè)面對(duì)應(yīng)的超鏈頁(yè)面不屬于某個(gè)會(huì)話，則該內(nèi)容頁(yè)面的請(qǐng)求也不屬于該會(huì)話IP-瀏覽器相同/會(huì)話不同(Closest):將該頁(yè)面請(qǐng)求指派到鏈接路徑最短的超鏈頁(yè)面所對(duì)應(yīng)的會(huì)話IP-瀏覽器相同/會(huì)話不同(Recent):若該頁(yè)面請(qǐng)求到多個(gè)會(huì)話的距離相同，則將頁(yè)面請(qǐng)求指派到最近訪問(wèn)的超鏈頁(yè)面所對(duì)應(yīng)的會(huì)話數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別會(huì)話識(shí)別舉例IP+Agent數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別TimeOut超時(shí)設(shè)置：30min數(shù)據(jù)預(yù)處理—Web日志的會(huì)話識(shí)別Referer分析：僅有一個(gè)會(huì)話會(huì)話過(guò)程：A→C→B→D→E→D→B→C→F數(shù)據(jù)預(yù)處理—Web內(nèi)容表示W(wǎng)eb文本內(nèi)容是最受關(guān)注的挖掘?qū)ο骔eb文本包含各類詞匯，有的詞是無(wú)價(jià)值的，如何提取文本中的特征詞？如何表示一個(gè)文本使其便于數(shù)據(jù)挖掘方法的應(yīng)用？向量空間模型(VectorSpaceModel)：模型根據(jù)文本中的詞匯出現(xiàn)在整個(gè)網(wǎng)站中的頻次為每個(gè)詞匯計(jì)算出一個(gè)權(quán)重，形成關(guān)于該文本的<詞匯，權(quán)重>向量空間數(shù)據(jù)預(yù)處理—Web內(nèi)容表示設(shè)網(wǎng)站共有Q個(gè)頁(yè)面，出現(xiàn)詞Ti的頁(yè)面數(shù)為ni，則IDF(inversedocumentfrequency)=logQ/ni詞Ti在頁(yè)面j上出現(xiàn)的頻數(shù)（TermFrequency）為fij，則Ti在頁(yè)面j上的權(quán)重wij計(jì)算如下：wij=fij×logQ/ni

(TF-IDF模型)頁(yè)面j可用向量空間Pj表示，則可分析頁(yè)面相似性等性質(zhì)T1T2...Tk0.120.50...0.07數(shù)據(jù)預(yù)處理—Web結(jié)構(gòu)表示網(wǎng)站是眾多頁(yè)面相互鏈接形成的一個(gè)網(wǎng)絡(luò)，可用圖表示：G=<V,E>其中，V：站點(diǎn)頁(yè)面集合，E：頁(yè)面間超鏈接集合在實(shí)際應(yīng)用中，根據(jù)使用目的不同，G可以是有向圖、無(wú)向圖或樹。Web結(jié)構(gòu)挖掘—意義頁(yè)面之間的相互鏈接是有目的的，它表征了內(nèi)容之間的內(nèi)在聯(lián)系，分析鏈接結(jié)構(gòu)可以：網(wǎng)站結(jié)構(gòu)是不是足夠優(yōu)化？網(wǎng)絡(luò)社群有什么特點(diǎn)？（在超鏈圖上的訪問(wèn)軌跡隱含著很多有意義的知識(shí)?。┠男╉?yè)面是權(quán)威頁(yè)面(authoritative)?Web結(jié)構(gòu)挖掘—任務(wù)基于超鏈接關(guān)系，對(duì)頁(yè)面、信息進(jìn)行聚類分析，發(fā)現(xiàn)其中的社區(qū)結(jié)構(gòu)挖掘文檔的自身結(jié)構(gòu)（通過(guò)分析文檔內(nèi)的超鏈接）發(fā)現(xiàn)某個(gè)具體領(lǐng)域網(wǎng)站的超鏈結(jié)構(gòu)（層次結(jié)構(gòu)or網(wǎng)狀結(jié)構(gòu)）的性質(zhì)挖掘權(quán)威頁(yè)面Web結(jié)構(gòu)挖掘—HITS算法HITS（Hyperlink-InducedTopicSearch）算法假設(shè)可信的資源鏈接可信的資源超鏈接名表達(dá)某種涵義排名（權(quán)威性）是搜索關(guān)鍵詞和超鏈結(jié)構(gòu)的函數(shù)算法思想權(quán)威頁(yè)面依賴于入度（被其他頁(yè)面引用越多越重要）權(quán)威頁(yè)面來(lái)自于重要的導(dǎo)航頁(yè)，而重要的導(dǎo)航頁(yè)包含許多權(quán)威頁(yè)面的超鏈接根據(jù)頁(yè)面是不是權(quán)威頁(yè)面或?qū)Ш巾?yè)面，指派一個(gè)非負(fù)數(shù)的權(quán)重迭代：計(jì)算關(guān)聯(lián)頁(yè)面的重要性Web結(jié)構(gòu)挖掘—HITS算法設(shè)P是頁(yè)面集，ap和hq分別為權(quán)威頁(yè)面和導(dǎo)航頁(yè)面的權(quán)重，計(jì)算如下：設(shè)A、H分別為社區(qū)內(nèi)所有權(quán)威頁(yè)面和導(dǎo)航頁(yè)面的權(quán)向量，A=MTH，H=MA，M=(mij)=1(i→j)/0(else)A(k+1)←MTH(k)=(MTM)A(k),H(k+1)←MA(k)=(MMT)H(k)Web結(jié)構(gòu)挖掘—HITS算法Web結(jié)構(gòu)挖掘—HITS算法算例：Web結(jié)構(gòu)挖掘—HITS算法Web結(jié)構(gòu)挖掘—HITS算法HITS算法僅根據(jù)超鏈接關(guān)系分析權(quán)威頁(yè)面和導(dǎo)航頁(yè)面，而沒(méi)有考慮搜索詞考慮搜索詞的算法可參考：CHAKRABARTI,S.,DOM,B.,GIBSON,D,etal.Automaticresourcecompilationbyanalyzinghyperlinkstructureandassociatedtext.ComputerNetworksandISDNSystems，Volume30,Issues1-7,April1998,Pages65-74Web結(jié)構(gòu)挖掘—PageRank算法Google采用的基本算法(LaryPage,拉里.佩奇，google創(chuàng)始人),節(jié)點(diǎn)代表頁(yè)面,有向邊代表超鏈接假設(shè)：沖浪者隨機(jī)選擇起始頁(yè)面在以后的每一步，沖浪者以概率d直接進(jìn)入目標(biāo)頁(yè)面或以1-d的概率通過(guò)其它指向目標(biāo)頁(yè)面的超鏈接進(jìn)入目標(biāo)頁(yè)面。d的經(jīng)驗(yàn)值約為0.85。一個(gè)頁(yè)面的重要性取決于指向該頁(yè)面的頁(yè)面的重要性Web結(jié)構(gòu)挖掘—PageRank算法則頁(yè)面p的重要性為：xp(k+1)=(1-d)/n+d

q,pP,q→p(xq(k)