链结分析的缺点-中兴大学教职员工网页.ppt

鏈結分析 圖形理論簡介 康斯坦丁七座橋 銷售員問題 Hub and Authority Case介紹 連結分析優缺點 圖形可以藉由相互之間關係的連結而獲得到資訊。 沒有任何標示，可以描述各種不同情況。 路徑(Path)：是指以某種次序連結各個節點，而節點是由edges所連結的。 例如： 加權圖形(weighted graph)： 意指每個edge都具有權值(weight)。 最短路徑是以視edges的權值來衡量的。 例如： 康尼斯堡(Kongsberg)在普格河(Pregel River)上有兩個彼此相連的島，並透過七座橋與城市的其他地方相連。 以四個節點以及七個edges的圖形來表示。 頂點之間edge=橋樑。 要找出能一次走過所有橋樑的路線，就等於找出可以一次走過圖形中所有edges的路徑。此路徑就稱為「Eulerian path」。 通過七座橋樑的一條路徑為： 此一路徑走過的edges包括： 至多保留兩個節點(度是奇數)。 可先從任一有奇數度的節點開始，走到相連結的偶數度的節點後，去除該edge去除，並將其視為Eulerian path第一個edge。 故事： 一位業務員必須拜訪在許多城市裡的客戶，他計畫飛到其中一個城市並租一輛車，拜訪那裡的客戶後再開往其它的城市拜訪其它的客戶。 找出連結多個節點間最短路徑的問題，也就是圖形中一次走過所有節點的路徑，就稱為「Hamiltonian path」。 路徑的計算： 4*3*2*1=4！=24 (n個節點的路徑為(n-1)！) 因此當節點增加時，路徑也會呈階乘增加。 無方向的圖如高速公路 有方向的圖如單行道 Directed graph是一種表達資料的好方法： 航班飛往哪些城市 網頁的超連結 電話通訊模式 跨州交通圖示 如果一個圖的路徑開始和結束於同一個節點，稱為Cycle 例如：單程飛機 包含至少一個Cycle的，稱為Cyclic 例如：同班同學手機群組 當一個圖形有一個以上的Source Node與 Sink Node時，循環是不存在的。 去除Source Node、Sink Node以及其周邊的edge的過程持續下去，直到以下其中一種情況發生： 圖形上已經沒有任何edge和節點。在此情況下，該圖形沒有循環。 圖形上仍剩下一些edge，但沒有任何Source Node與Sink Node。在此情況下，該圖形是循環。 非環循(acyclic)圖形： 例如：決策樹 John Klieinberg博士的貢獻：讓網頁和網頁之間產生連結 每一個對網頁的連結都成為一種有利的推薦 由連結數多的網頁排序來找來源 由「相關主題Hub的連結數」計算 內容基礎(text-based)的搜尋 最具代表性的資料未必使用常見的搜尋字串 Harvard Kleinberg演算法用下列三個階段找出可靠的來源： 創造Root Set 找出候選名單 將Hub和Authority排序 步驟一：將”stop words”由搜尋字串中移除。如a、an、the 步驟二：移除掉複數型態或是詞性變化 步驟三：運用索引檔 一般由前200項資料作為root set 找出候選資格 一般而言最多取50個 避免網頁集中 依照他們的強度來排序 把具有多重意思的資料聚集在一起 Hub和Authority有交互增強的關係 由彼此的強度來調整強度 ：第一個用連結分析來找hub和authority的搜尋引擎 超越 和 較好的搜尋品質 電話撥打資料（data）包含豐富資訊(information) 藉由分析當地電話記錄，可以找出潛在客戶。 在家工作者的促銷方案 是商用費率而非一般家用費率 如何找到目標客戶：地理區隔、郵遞區號…等 更好的方式：尋找傳真機使用者 有較好的市場區隔，可以帶來較好的回應 尋找使用傳真機客戶的好處： 增加收入 降低成本 增加顧客滿意 通話紀錄的詳細資料，包含： 十碼電話號碼(三碼區碼、三碼交換碼、四碼線路碼) 接聽的電話號碼 通話的時間地點 通話長度 傳真機傾向撥打給其他傳真機 傳真機使用類型： 傳真專用 和市話共用 和伺服器共用 越瞭解問題，結果越好 尋找傳真機的步驟： 由已知的傳真機開始 通話期間多於十秒的進入候選 候選號碼進行歸類 重複上述步驟，直到所有號碼皆完成分類 樣本數：3011819通電話，由19674個家計單位蒐集而來 用C++編碼處理資料 用圖形著色演算法(graph-coloring algorithm)分析 本例運用連結分析區別現有客戶，對其推銷新服務。 透過分析結果進行推銷，使回應率由2%上升到15% 手機通話紀錄包含下列資料： 發話號碼 受話號碼 發話號碼地點 號碼主人的帳號 通話長度 時間和