17、分布式集合上基于PageRank的个性化排名算法解析

分布式集合上基于PageRank的个性化排名算法解析

1. 世界节点创建与信息共享

在数据交互过程中，世界节点的创建是一个关键环节。例如，在图中定义了E12为对等节点1和2之间的边，EWN 12为P1与代表P2的世界节点之间的边。要一致地创建世界节点，一个对等节点需要至少了解其他对等节点图的部分结构，否则无法将世界节点连接到其他对等节点的图中。这意味着在特定设置下，发送查询的P1需要发送其数据图（原始图或哈希版本），或者至少其图的一部分，以便P2能正确地为其世界节点设置相应的入链和出链。

将所有内容聚合到世界节点的一大优势在于，它能保护资源及其连接的所有内部信息不被接收对等节点获取，同时仍能披露与外部连接以及聚合图的总体权重/分数相关的（大部分）信息。

2. 查询处理和排名算法

2.1 算法概述

基于信息交换的5种可能性和排名计算的2种方式，可区分出8种不同的查询处理和排名算法。以下以3个对等节点P1、P2和P3为例，P1始终向P2和P3发送查询，最终P1会得到所有对等节点（包括自身）的排名结果列表。

2.2 具体算法介绍

算法1

这是一种理想设置，三个对等节点共享所有信息，每个节点都能访问聚合数据图（所有对等节点的图合并为一个）。具体步骤如下：
1. P1向P2和P3发送G1。
2. P2向P1和P3发送G2。
3. P3向P1和P2发送G3。
4. 对等节点聚合Ga = G1 ∪ G2 ∪ G3。
5. 对等节点在Ga上计算ObjectRank。

算法2

P1共享其所有