Ga naar hoofdinhoud

13.10 Er gaat iets mis — top-3 fouten

Leerdoel: je herkent de drie klassieke valkuilen bij het bouwen van PageRank.

Ranks uit dezelfde ronde hergebruiken​

Symptoom: de ranks kloppen bijna, maar net niet — en ze hangen af van de volgorde van je pagina's.

Oorzaak: je werkt rank ter plekke bij, zodat latere pagina's in dezelfde ronde al de nieuwe waarde van eerdere pagina's gebruiken. Eén iteratie moet volledig op de waarden van de vorige ronde gebaseerd zijn.

# FOUT — overschrijft rank tijdens de ronde
for p in web:
    rank[p] = (1 - d) / n + d * som_voor(p, rank)   # rank verandert al

Oplossing: bouw eerst een nieuwe dict, vervang rank pas daarna.

# GOED
nieuw = {p: (1 - d) / n + d * som_voor(p, rank) for p in web}
rank = nieuw

Het basisdeel (1 − d)/N vergeten​

Symptoom: de som van de ranks zakt onder de 1 en pagina's lopen leeg.

Oorzaak: je rekent alleen d · Σ ... en laat de willekeurige sprong weg. Dan "lekt" er belang weg en klopt de verdeling niet meer.

# FOUT
nieuw[p] = d * som          # basisdeel ontbreekt

# GOED
nieuw[p] = (1 - d) / n + d * som

Dangling nodes — pagina's zonder uitgaande links​

Symptoom: zodra een pagina nergens naartoe linkt, telt de som niet meer op tot 1.

Oorzaak: het belang van zo'n "doodlopende" pagina wordt nergens heen verdeeld en verdwijnt. In onze voorbeelden linkt elke pagina ergens naartoe, dus dit speelt niet — maar in een echt web wel.

Oplossing: behandel een pagina zónder uitgaande links alsof hij naar alle pagina's linkt (de surfer springt dan willekeurig verder):

def uitgaande_links(web, i, paginas):
    return web[i] if web[i] else set(paginas)

Zo blijft het belang behouden en telt de som weer op tot 1.

Door naar stap 11: cheatsheet →.