用一个例子详解主题敏感（topic-sensitive）pagerank算法流程

最新推荐文章于 2023-09-11 17:46:22 发布
原创 最新推荐文章于 2023-09-11 17:46:22 发布 · 4.2k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pageRank #信息检索

本文通过一个简单示例介绍主题敏感PageRank的计算流程及应用，适合初学者理解这一复杂算法的基本原理。

本文根据主题敏感pagerank出处的论文《Topic-Sensitive PageRank》中的计算流程，尝试通过列举一个简单的例子来说明主题敏感pagerank的流程。

这里写图片描述

这里写图片描述

这里写图片描述
希望能够帮助有需要的同学。如算法流程有误，请多多指教。

个性化的PageRank和主题感知的PageRank
I am not a quitter.
11-06 1万+
PageRank算法最初是用于计算Web中网页的权威值 (或重要性)。PageRank算法认为一个网页的权威值可以通过网络的链接结构来传递，在Web的链接图中，如果存在一个页面q指向另一个页面p的链接，则表明q对p的认可(vote)，即q将自己的权威值部分传递给了P。因此，一方面，指向一个页面p的页面越多，则该页面得到的权威值越高；另一方面，指向页面p的页面，如g，自身的权威值越高，则p得到的权威
水了一篇PAKDD2018的文章：Topic-specific Retweet Count Ranking for Weibo
mmc2015的专栏
02-24 4341
看题目就知道做什么工作：Topic-specific Retweet Count Ranking for Weibo摘要：In this paper, we study \emph{topic-specific} retweet count ranking problem in Weibo. Two challenges make this task nontrivial. Firstly, tr...
Topic-sensitive PageRank - a context-sensitive ranking algorithm
07-14
Topic-sensitive PageRank - a context-sensitive ranking algorithm Taher H. Haveliwala Stanford University
Topic-sensitive_pagerank_A_context-sensitive_ranking_algorithm_for_web_search
05-06
Topic-sensitive_pagerank_A_context-sensitive_ranking_algorithm_for_web_search
链接分析算法之：主题敏感PageRank
weixin_30793643的博客
09-23 389
前面的讨论提到。PageRank忽略了主题相关性，导致结果的相关性和主题性降低，对于不同的用户，甚至有很大的差别。例如，当搜索“苹果”时，一个数码爱好者可能是想要看 iphone 的信息，一个果农可能是想看苹果的价格走势和种植技巧，而一个小朋友可能在找苹果的简笔画。理想情况下，应该为每个用户维护一套专用向量，但面对海量用户这种方法显然不可行。所以搜索引擎一般...
Topic-Sensitive PageRank(主题敏感的PageRank )
思考，思考，再思考~
08-10 9052
转载于真实的归宿，在此感谢。 前面的讨论提到。PageRank忽略了主题相关性，导致结果的相关性和主题性降低，对于不同的用户，甚至有很大的差别。例如，当搜索“苹果”时，一个数码爱好者可能是想要看 iphone 的信息，一个果农可能是想看苹果的价格走势和种植技巧，而一个小朋友可能在找苹果的简笔画。理想情况下，应该为每个用户维护一套专用向量，但面对海量用户这种方法显然不可行。所以搜索引擎一般会选
react-native-sensitive-info：使用密钥库加密将敏感数据保存到Android的共享首选项中
02-03
React本机敏感信息 react-native-sensitive-info管理所有存储在Android共享首选项，iOS钥匙串和Windows凭据中的数据。 您可以使用简单的方法来设置和获取所有键/值。 文件 查看以了解安装和说明用法。 贡献者 :...
redux-persist-sensitive-storage:redux-persist用于响应本机敏感信息的存储引擎
05-22
Redux持久敏感存储 存储引擎使用带有 。 react-native-sensitive-info管理所有存储在Android共享首选项和iOS钥匙串中的数据。 注意： Android共享首选项并不安全，但是有使用了Android密钥库而不是共享首选项。 ...
主题敏感的PageRank：一种上下文相关的网络搜索排名算法
为了实现这一点，Topic-Sensitive PageRank预先计算了一组带有偏置的PageRank向量，每个向量对应一个代表性主题。在查询时，通过线性组合这些预计算的向量，可以生成针对当前查询上下文的特定页面重要性分数。这种...
论文--Topic-Sensitive PageRank
weixin_30888413的博客
11-08 783
背景 原有的PageRank方法：通过web上链接结构信息得到页面之间相对的重要性，和特定的查询内容无关 论文涉及到的其他算法 HITS Hilltop，处理常见的流行查询 popular query 基本的PageRank算法，我们使用如下迭代来计算ranks得分$$\forall{v}Rank_{i+1}(v)=\sum_{u\in{B_{v}}}Rank_i(u)/N_u$$直到...
大话主题敏感PageRank
张俊林的博客
01-10 8276
本文节选自《这就是搜索引擎：核心技术详解》第六章         主题敏感PageRank是PageRank算法的改进版本，该算法已被Google使用在个性化搜索服务中。 6.6.1 主题敏感PageRank与PageRank的差异       PageRank算法基本遵循前面章节提到的“随机游走模型”，即用户在浏览某个网页时，如果希望跳转到其它页面，则随机选择本网页包含的某个链接，
主题PageRank
02-27
主题敏感PageRank 计算主要由两个步骤构成，第1 步是离线的分类主题PageRank 数值计算；第2 步是在线利用算好的主题PageRank 分值，来评估网页和用户查询的相似度，以按照相似度排序提供给用户搜索结果。下面以具体示例来了解主题敏感PageRank 的计算流程
TopicPageRank_一种基于主题的搜索引擎
06-11
期刊中对PR算法的改进
pagerank简单实现
qq_52380836的博客
08-28 951
pagerank
PageRank算法C++代码实现标准版
VV
09-05 9671
对于PageRank算法，维基百科和网上很多大牛的博客已经讲得很详细了，这里附上一个自己写的PageRank算法C++实现版本
人工智能教程 - 专业选修课程4.3.11 - 复杂结构数据挖掘 5.PageRank技术
KuFun人工智能的专栏
03-04 504
PageRank技术 使用PageRank技术可以用来对抗词项作弊(term spam)。 问题：词项作弊。是一种欺骗搜索引擎让其相信一个本来不相关的页面，使其排名靠前的技术。 解决方案：使用PageRank技术来模拟web冲浪者的行为，这些冲浪者从随机页面出发，每次从当前页面随机选择出链前行，该过程可以迭代多次。最终，这些冲浪者会在页面上汇合。较多冲浪者访问的网页重要性被认为高于那些高于那些较少...
[学习笔记]PageRank算法
zhangyifeng_1995的博客
09-11 1246
对于Column Stochastic矩阵，由Perreon-Frobenius定理，最大的特征值就是1，且存在唯一的主特征向量(特征值1对应的特征向量)，向量所有元素求和为1。random walks with restarts：随机游走，并有传送到指定的一个节点，继续游走。pagerank的一种解释是：随机游走，并有概率随机传送到网络中的任意一个节点，继续游走。所以考虑一个网站是否重要，需要看引用它的网站是否重要，这就成了一个递归的问题。的节点的rank值，各自除以它的出度，再求和。
成功运行topicrank的代码
勿忘初心的博客
01-03 1030
topicrank：是文本关键词抽取的一个模型方法，因为课程原因需要了解这篇论文，想跑下它的代码 想跑下topicrank的代码，结果还搞了半天，特此记录一下。 首先给出代码的链接：https://github.com/smirnov-am/pytopicrank 然后给出环境的配置：（相关环境的要求如下） 在配置的文件中给出了了需要的包的版本，python3就可以，我用的是3.6.9...
推荐系统的评价指标总结
热门推荐
但行好事，莫问前程
05-04 4万+
评价一个推荐系统的好坏的重要性不用多少。本文的总结非常的全面，相信读者通过阅读本文以及本文参考的文献可以对推荐系统的评价指标有比较全面的掌握。            对推荐系统的研究一个重要的环节是如何评价一个推荐算法的好坏。关于推荐系统评价的研究很多，文献[1,2,3]在不同程度对评价方法进行了总结。评价方法分为离线评估，用户调查，在线评估。由于用户调查和在线评估代价要求高，目前大多数的研
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值