PageRank解释资源-CSDN文库

4星 · 超过85%的资源需积分: 10 40 浏览量 2011-01-06 11:34:03 上传评论收藏 399KB DOCX 举报

资源推荐

资源详情

资源评论

由于工作需要了解 PageRank 的知识。网上关于这块的介绍不是很系统。这里翻译了《 An

Introducon to informaon retrieval》教材中关于 PageRank 的介绍。应该说教材中关于这部

分的介绍是很清晰的。只是个人水平有限，一些地方翻译的很狼狈，还望见谅。原书可以

在 hp://nlp.stanford.edu/IR-book/informaon-retrieval-book.html 下载到。或者在国内一些

常见站点 csdn，新浪共享等都能找到。Good luck！

Email: zyy571137@gmail.com

PageRank

我们现在单独来来考察一些源于 derived from 链接结构 link structure 的打分和排序操作。

链接分析的的第一种技术称为 PageRank，它赋给每一个在 web 有向图中的节点一个在 0 到

1 的分数。每一个节点的 PageRank 分数取决于整个 web 有向图的链接结构。给定一个查询

词 query，web 搜索引擎会给每一个 web 页面计算一个复合的分数，该分数融合了几百种

hundreds of 特征结果，比如余弦相似性（ 6.3 节）， term 相似性 term proximity 以及

PageRank 分数等。这种复合分数的计算使用了 15.4.1 节提到的方法，用来提供一个查询词

query 的排序结果。

考虑这样一种随机的网上冲浪行为。一个网上冲浪者从某一个 web 页面开始（web 有

向图的一个节点 node），通过下面的随机方式在 Web 中经过的路径：在每一次新的尝试中，

网上冲浪者从它（不是她或他）当前的页面 A 随机地选择到达一个 A 所超链接到的页面上。

图 2.1 刻画了冲浪者在节点 A，该节点有 3 个超链接，分别指向 B，C，D。在这种情况下，

冲浪者下一次随机访问这三个节点（B，C，D）的概率都是 1/3.

当冲浪者按照这样随机的方式从一个节点走到另一个节点的时候，它对某些节点的访

问次数会比其他节点多。直觉告诉我们，这些节点能被访问多次，是因为其他被访问多次

的节点有较多的指向该节点的链接。PageRank 技术的假设就是，通过这样方式（即冲浪者

以随机的方式访问页面中的出现的页面），被访问次数多的页面更为重要。

如果冲浪者在当前页面 A 中没有链接 out-link 该怎么如何处理？为了处理 address 这样

的情形，我们为冲浪者引入一个附加动作：跳跃 teleport 操作。在跳跃操作中，冲浪者会

从一个节点直接跳跃 jump 到 web 有向图的其他节点上去（按照下文的意思，新节点可能

是当前节点）。这种情况可能会发生，比如冲浪者可能会直接在它的浏览器的 URL 域 URL

bar 中输入一个地址。一个跳跃操作的目的地定义为通过统一的随机的方式从所有的 web

页面中选择一个（作为目的地）。换句话说，如果 N 是 web 有向图中的所有节点数目，则

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余7页未读，立即下载

内容反馈

fanfan163

2012-11-04

还行，讲的挺详细的
Ditto

2013-03-21

原材料很清晰，作者态度也比较严谨，多谢。

zyy_huaweiren

粉丝: 5
资源: 18

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip