Together, Page and Brin created a r

Together, Page and Brin created a ranking system that rewarded links that came from sources that were important and penalized those that did not. For example, many sites link to IBM.com. Those links might range from a business partner in the technology industry to a teenage programmer in suburban Illinois who just got a ThinkPad for Christmas. To a human observer, the business partner is a more important link in terms of IBM's place in the world. But how might an algorithm understand that fact?

Page and Brin's breakthrough was to create an algorithm – dubbed PageRank after Page – that manages to take into account both the number of links into a particular site and the number of links into each of the linking sites. This mirrored the rough approach of academic citation-counting. It worked. In the example above, let's assume that only a few sites linked to the teenager's site. Let's further assume the sites that link to the teenager's are similarly bereft of links. By contrast, thousands of sites link to Intel, and those sites, on average, also have thousands of sites linking to them. PageRank would rank the teen's site as less important than Intel's – at least in relation to IBM.

This is a simplified view, to be sure, and Page and Brin had to correct for any number of mathematical culs-de-sac, but the long and the short of it was this: More popular sites rose to the top of their annotation list, and less popular sites fell toward the bottom.

Hasil (Bahasa Indonesia) 1:

Bersama-sama, Page dan Brin menciptakan sistem peringkat yang dihargai link yang berasal dari sumber yang penting dan mereka yang tidak dihukum. Sebagai contoh, banyak situs link ke IBM.com. Link tersebut mungkin berkisar dari mitra bisnis dalam industri teknologi untuk programmer remaja di pinggiran Illinois yang baru saja ThinkPad untuk Natal. Untuk pengamat manusia, mitra bisnis adalah lebih penting link dalam hal IBM tempat di dunia. Tapi bagaimana mungkin sebuah algoritma memahami fakta?Terobosan Halaman dan Brin adalah untuk menciptakan sebuah algoritma-dijuluki PageRank setelah halaman-yang mengelola untuk memperhitungkan baik jumlah link ke situs tertentu dan jumlah link ke masing-masing menghubungkan situs. Ini dicerminkan kasar pendekatan akademik menghitung kutipan. Itu bekerja. Dalam contoh di atas, mari kita asumsikan bahwa hanya beberapa situs yang terhubung ke situs remaja. Mari bayangkan lagi situs yang link ke remaja demikian pula kehilangan link. Sebaliknya, ribuan situs link ke Intel, dan situs-situs tersebut, rata-rata, juga memiliki ribuan situs yang menghubungkan kepada mereka. PageRank akan peringkat situs remaja sebagai kurang penting dibandingkan Intel-setidaknya dalam kaitannya dengan IBM.Ini adalah tampilan sederhana, yang pasti, dan halaman dan Brin harus benar untuk sejumlah culs-de-sac matematika, tapi panjang dan pendek itu adalah ini: lebih populer situs naik ke atas daftar penjelasan mereka, dan kurang populer situs turun ke arah bawah.

Hasil (Bahasa Indonesia) 2:

Bersama-sama, Page dan Brin menciptakan sistem peringkat yang dihargai link yang berasal dari sumber-sumber yang penting dan dihukum mereka yang tidak. Misalnya, banyak link ke situs IBM.com. Link tersebut mungkin berkisar dari mitra bisnis di industri teknologi untuk programmer remaja di pinggiran kota Illinois yang baru saja ThinkPad untuk Natal. Untuk seorang pengamat manusia, mitra bisnis adalah link yang lebih penting dalam hal tempat IBM di dunia. Tapi bagaimana mungkin sebuah algoritma memahami fakta itu?

Page dan Brin terobosan adalah untuk menciptakan suatu algoritma - PageRank dijuluki setelah halaman - yang berhasil memperhitungkan jumlah link ke situs tertentu dan jumlah link ke masing-masing situs yang terhubung. Ini mencerminkan pendekatan kasar akademik kutipan-menghitung. Itu bekerja. Dalam contoh di atas, mari kita asumsikan bahwa hanya beberapa situs yang terhubung ke situs remaja. Mari kita lebih lanjut mengasumsikan situs yang link ke remaja sama-sama kehilangan link. Sebaliknya, ribuan link ke situs Intel, dan situs-situs tersebut, rata-rata, juga memiliki ribuan situs yang terhubung ke mereka. PageRank akan peringkat situs remaja sebagai kurang penting dibandingkan Intel - setidaknya dalam kaitannya dengan IBM.

Ini adalah pandangan yang disederhanakan, untuk memastikan, dan Page dan Brin harus benar untuk sejumlah matematika culs-de-sac, tapi panjang dan pendek itu adalah ini: situs Lebih populer naik ke puncak daftar penjelasan mereka , situs dan kurang populer jatuh ke arah bawah. ribuan link ke situs Intel, dan situs-situs tersebut, rata-rata, juga memiliki ribuan situs yang terhubung ke mereka. PageRank akan peringkat situs remaja sebagai kurang penting dibandingkan Intel - setidaknya dalam kaitannya dengan IBM. Ini adalah pandangan yang disederhanakan, untuk memastikan, dan Page dan Brin harus benar untuk sejumlah matematika culs-de-sac, tapi panjang dan pendek itu adalah ini: situs Lebih populer naik ke puncak daftar penjelasan mereka , situs dan kurang populer jatuh ke arah bawah. ribuan link ke situs Intel, dan situs-situs tersebut, rata-rata, juga memiliki ribuan situs yang terhubung ke mereka. PageRank akan peringkat situs remaja sebagai kurang penting dibandingkan Intel - setidaknya dalam kaitannya dengan IBM. Ini adalah pandangan yang disederhanakan, untuk memastikan, dan Page dan Brin harus benar untuk sejumlah matematika culs-de-sac, tapi panjang dan pendek itu adalah ini: situs Lebih populer naik ke puncak daftar penjelasan mereka , situs dan kurang populer jatuh ke arah bawah.