網(wǎng)絡檢索-文庫吧資料
2024-10-25 11:26本頁面
【正文】 hority網(wǎng)頁的權值經(jīng)過 hub網(wǎng)頁的傳遞進行傳播。 PageRank與 HITS的比較 ? 共同特點： PageRank和 HITS的迭代算法都利用了特征向量作為理論基礎和收斂性依據(jù)。 ? 2）給基集合中的每個網(wǎng)頁賦予一個 Hub權值 hp和一個權威權值 ap，初始值為同一個非負常數(shù)，然后對 hp和 ap進行運算。 ? HITS算法的基本思想 1）好的 Hub型網(wǎng)頁指向好的 Authority網(wǎng)頁 2）好的 Authority網(wǎng)頁是由好的 Hub型網(wǎng)頁所指向的網(wǎng)頁 HITS算法 ? 1） HITS通過搜索引擎查詢主題詞，生成初始網(wǎng)頁集合，稱為根集合。 由此，我們可以在每個網(wǎng)頁上定義 “ 權威型權值 ” 和 “ 目錄型權值 ” 兩個參數(shù)。 HITs算法 ? HITS算法描述兩種類型的網(wǎng)頁： 1） 權威型（ Authority）網(wǎng)頁，對于一個特定的檢索，該網(wǎng)頁提供最好的相關信息。 PageRank計算（二） ? 一個典型化的例子 PageRank計算（二） ? 歸一化 (全概率 ) A= ? 轉(zhuǎn)置矩陣 A= AT= PageRank計算（二） ? 計算過程 PageRank計算（二） ? 將 PageRank 的評價按順序排列 名次 PageRank 文件 ID 發(fā)出鏈接 ID 被鏈接 ID 1 1 2,3,4,5,7 2,3,5,6 2 5 1,3,4,6 1,4,6,7 3 2 1 1,3,4 4 3 1,2 1,4,5 5 4 2,3,5 1,5 6 7 5 1 7 6 1,5 5 PageRank計算（二） PageRank計算（二） ? ID=1的流入量＝ (ID=2發(fā)出的 Rank)+(ID=3發(fā)出的 Rank)+(ID=5發(fā)出的 Rank)+(ID=6發(fā)出的 Rank) = +++? ID=2的流入量＝ (ID=1發(fā)出的 Rank)+(ID=3發(fā)出的 Rank)+(ID=4發(fā)出的 Rank= ++? ID=3的流入量＝ (ID=1發(fā)出的 Rank)+(ID=4發(fā)出的 Rank)+(ID=5發(fā)出的 Rank)= ++? ID=4的流入量＝ (ID=1發(fā)出的 Rank)+(ID=5發(fā)出的 Rank= +? ID=5的流入量＝ (ID=1發(fā)出的 Rank)+(ID=4發(fā)出的 Rank)+(ID=6發(fā)出的 Rank)+(ID=7發(fā)出的 Rank) = +++ = ? ID=6的流入量＝ (ID=5發(fā)出的 Rank= ? ID=7的流入量＝ (ID=1發(fā)出的 Rank= HITS算法 ? 如果網(wǎng)頁 A指向大量的重要網(wǎng)頁，那么 A的建議就會變得有價值，如果 A指向 B，則說明 B也是一個重要網(wǎng)頁。這樣作成的行列被稱為「推移概率行列」，含有 N 個概率變量，各個行矢量表示狀態(tài)之間的推移概率?？偠灾?，只要建立了鏈接，就應該有鄰接關系。這個相當于在圖論中的 “ 鄰接矩陣 ” 。即，行列陣 A 的成分
教學課件相關推薦
鄂ICP備17016276號-1