042 同比缩减与等量补偿.pdf

同比缩减与等量补偿 PageRank基本算法在某些结构上的“病态” • F和G两个节点显得很“自私”：不断吸收别人的价 值，但不向外分享 PageRank值很快集中到F和G PageRank的同比缩减与统一补偿规则 • 同比缩减 – 在每次运行基本PageRank更新规则后，将每一节点 的PageRank值都乘以一个小于1的比例因子s ， 0s1 ，经验值在0.8-0.9之间。 • 统一补偿 – 在每一节点的PageRank值上统一加上(1-s)/n 。 这样，既维持了“ΣPageRank=1”的性质，也防 止了PR值过度集中到个别节点。 随机游走：PageRank的另一种等价理解 • 想象一个人从一篇随机选择的网页开始，然后随机选择其 中的链接浏览到下一篇网页，并不断如此进行，称为“随 机游走” • 考虑任意一篇网页X ，问：经过k步随机游走到达X 的概率 是多少？ • 可以证明：到达X 的概率等于运行PageRank基本算法k步 得到的值 • 随机游走概念稍加修改也可以和同比缩减统一补偿的 PageRank等价 小结 • 信息一旦刻画成一种网络，其中的边经常自然地隐含 着一种“推荐”或者“引用”关系，人们可以利用这 种关系对信息的作用进行评估 – 影响力，重要性，权威性，新颖性，… • 先进的评估方法不仅考虑局部结构，而且会考虑全局 结构带来的影响（节点特征性质在网络中的传播） • HITS算法，PageRank算法 • 当理想遇到现实－－重要现实情况的处理 – 数据范围问题，退化网络结构问题