【架构师训练营 1 期】第十三周作业

作业一：你所在的行业，常用的数据分析指标有哪些？请简述。



我所在的网约车行业（常用指标）：



用户来源占比：各渠道来源的用户比例（如公众号文章、二维码分享、广告链接等）。



用户所在区域占比：各地区下单用户比例（目前仅针对云南省各市、区/县）。



用户年龄层占比：各年龄段下单用户比例（如18-35、36-45、46-65等）。



驾驶员投诉率：“一星评价”和“两星评价”占总评价数的百分比。



驾驶员晚点率：未在计划时间之内接驾乘客的次数占月总单数的百分比。



驾驶员考核合格率：即驾驶员月度考核合格比例。



作业二：Google 搜索引擎是如何对搜索结果进行排序的？（请用自己的语言描述 PageRank 算法。）



PageRank 算法（又称佩奇排名），是 Google 公司对其搜索引擎搜索结果中的网页进行排名的一种算法。该算法通过输出概率分布来体现某人随机地点击某个链接的概率（PR 值）。

如何计算 PR 值：

假设共有四个网页 A、B、C、D，所有的页面只指向 A，那么 A 的 PR 值就是 B、C、D 的 PR 总和：





再比如 B 链接到 A 和 C；C 链接到 A；并且 D 链接到 A、B、C：





B 就会分出去半票 给 A 、C ；C 给 A 一票；D 给其他各页面三分之一票，结果PR(A)的值就是：





概括一下：算法会根据每个页面总出度L(x)——指向其他页面的总个数——平分该页面的 PR 值，并将其加到所指向的页面：





算法最后会添加一个系数 d 做修正：

• 给添加出度权重后的 PR 值再乘上该修正系数 d

• 并保证每个页面的最小值为 (1-d) / N， N 为集合中网页的数目

p.s. d是根据上网者使用浏览器书签的平均频率估算而得，大约为 0.85

得到：





同理，我们把该公式泛化到所有的页面，即：





写成矩阵形式：集合中所有页面的 PR 值可以由一个特殊的邻接矩阵的特征向量表示，这个特征向量 R 为：





PageRank 算法中，一个页面的 PR 值直接取决于指向它的的页面。如果在最初给每个网页一个随机且非零的 PR 值，通过上述公式经过多次迭代，这些页面的 PR 值会收敛某个定值，即最终结果。