版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1Web ges-Weblinks– →Web2BroadSearchEngines:2WhotoWebsearch中詞 E.g.服裝 Whatisthe“best”answertoaspecific 網(wǎng)頁,(e.g.,foraqueryNosingleright4RankingNodesontheWeb56THE“FLOW”7Linkas8Example:Pagerank基本想
’sIdeaof 網(wǎng)頁內(nèi)容的判 ’s要性取值(pagerank),據(jù)此對網(wǎng)頁排序SimpleRecursiveEachlink’svoteisproportionaltoimportanceofitssourceIfpagejwithimportancerjhasnout-links,eachlinkgetsrj/nvotesPagej’sownimportanceisthesumofthevotesonitsin-linksFlowModelSolvingtheFlow方程組無唯一解(無窮多解增加約束條件,唯一ry+ra+rm=ry=2/5,ra=2/5,rm= NewPagerank:MatrixMisacolumnstochasticmatrix,i.e.,columnssumtoLetpage??has????out-Ifij,thenMji=1/diElseRankvector????istheimportancescoreofpage∑i????=Theflowr=MExample:FlowEquation&Eigenvector1 例例 .. 用隨 解設(shè)想用戶隨機瀏覽 任意時刻t,停留在頁面 設(shè)頁面停留概率分布矢量平穩(wěn)分t+1時刻用戶在哪里p(t+1)=如果隨 的狀態(tài)滿p(t+1)=Mp(t)=p(t)為stationaryRankvectorrr Existenceand 關(guān)于PageRank的3個疑DoesthisDoesitconvergetowhatweAreresults收斂
來看兩個例 收斂得有意義PageRank遭遇的2個問Problem:Spidermisaspider .. Iteration0,1,2,AllthePageRankscoregets“trapped”innode Solution: solutionforspiderAteachtimestep,therandomsurferhastwoWithprob.β,followalinkatWithprob.1-β,jumptosomerandomCommonvaluesforβareintherange0.8toSurferwill eportoutofspidertrapwithinafewtimesteps隨機跳轉(zhuǎn) Y
yyyyyya 0A
1/21/201/31/3 0+1/31/3011/31/3yam隨機跳轉(zhuǎn)
1/31/21/2 0 + 0 yyamy1 a=1 .. m1 Problem:Dead路的網(wǎng)頁(死胡同Solution1Web刪除 Solution2: eports:Followrandom eportlinkswithprobability1.0fromdead-endsAdjustmatrix eportSolvetheSpider-trapsarenotaproblem,butPageRankscoresarenotwhatwewantSolution:NevergetstuckinaspidertrapbyeportingoutofitinafinitenumberofstepsDead-endsareaproblem.ThematrixisnotcolumnstochasticsoourinitialassumptionsarenotmetSolution:MakematrixcolumnstochasticbyalwayseportingatdeadendsSolution: Thisformulationassumesthat??hasnodeadends.Wecaneitherpreprocessmatrix??toremovealldeadendsorexplicitlyfollowrandom eportlinkswithprobability1.0fromdead-ends. Sample: ComputingPageMatrixRearrangingtheSparseMatrixSparseMatrix僅用非零項表示稀疏矩
destination031,5,1517,64,113,117,2213, (E.g.10N4*10*1billionBasicAlgorithm:UpdateBlock- 小PageRank的定PageRank的迭代計針對終止點 陷阱的措 稀疏矩陣表塊更塊條更新(分布式計算PageRank的一些問衡量頁面的流行 單一的重要性測Topic-SpecificInsteadofgenericpopularity,canwemeasurepopularitywithinatopic?dependingonwhetheryouareinterestedinsports,historyandcomputersecurityGoal:EvaluateWgesnotjustaccordingtotheirpopularity,butbyhowclosetheyaretoaparticulartopic,e.g.“sports”or“history”AllowssearchqueriestobeansweredbasedoninterestsoftheuserTopic-SpecificeportcangoStandardPageRank:Anypagewithequalprobability.(Toavoiddead‐endandspider‐trapproblems)“relevant”pages eportIdea:BiastherandomWhen eports,shepicksapagefromasetScontainsonlypagesthatarerelevanttothetopic.(E.g.,OpenDirectorypagesforagiventopic/query)For eportsetS,wegetadifferentvectorMatrixA為不 建立不同的16個DMOZ頂 分e.g.,arts,business,WhichtopicrankingtoUsercanpickfromUsercontext,e.g.,user’susethecontextoftheE.g.,Historyofqueriese.g.,“basketball”followedbyFindingrelatedorsimilar Theproblemofmeasuring“similarity”ofobjectsarisesinmanyapplications.ExistingSim(a,b):similarityscoreof geaandI(a):in-linkneighborsof geO(a):out-linkneighborsof geCommonneighborSim(a,b)==|(c,d)|=CocitationSim(a,b)==|(c,d)|=ExistingSimRank(naive“twopagesaresimilariftheyarereferenced(cited,orlinkedto)bysimilarpages”(1)Sim(u,u)=1;(2)Sim(u,v)=0if|I(u)||I(v)|=,whereCisaconstantbetween0andTheiterationstartswithSim(u,u)=1,Sim(u,v)=0ifu≠v.SimRank(RandomworkPageRank:TRUSTRANK:WhatisWeb行為網(wǎng)頁 WebFirstAspeoplebegantousesearchenginestofindthingsontheWeb,thosewithcommercialintereststriedtoexploitsearchenginestobringpeopletotheirownsite–whethertheywantedtobethereornotShirt‐sellermightpretendtobeaboutTechniquesforachievinghighrelevance/importanceforaw TermBelievewhatpeoplesayaboutyou,ratherthanwhatyousayaboutyourselfPageRankasatooltomeasure“importance” WhyitShirt‐sellersayheisaboutmoviesdoesn’thelp,becauseothersdon’tsayheisaboutmoviesHispageisn’tveryimportant,soitwon’tberankedhighforshirtsormoviesvs.Spammers:Round becamethedominantsearchengine,spammersbegantoworkoutwaystoSpamfarmsweredevelopedtoconcentratePageRankonasinglepageLinkspam:CreatinglinkstructuresthatboostPageRankofaparticularpageLink 者觀點看,有3類網(wǎng)e.g LinkSpammer’s pageGetasmanylinksfromaccessiblepagesaspossibleto pagetConstruct“l(fā)inkfarm”togetPageRankmultipliereffectLink最常見和有效 農(nóng)場組織方式之采用統(tǒng)計方法分析文本e.gNa?veBayes類 郵件過濾的方檢查幾乎重復(fù)的頁檢測 農(nóng)場的頁Hidingvs.detectingspamfarms…(itisaTrustRank:topic-specificPageRankwitha eportsetof“trusted”pagesE.g. s, sfornon-USTrustRank:Basicprinciple:Approximate從web網(wǎng)上抽取一 網(wǎng)頁“seed這個任務(wù)很艱巨,somustmakeseedsetassmallaspossibleTrustSimpleModel:TrustWhyisitagood信 選 集集合大小的權(quán)需要人工檢查,所以保證所有好網(wǎng)頁以最短路徑抵達(dá)與集合;所以集合越大越好挑 集合的方 根據(jù)pagerank選擇k個頁面。原因 如.edu,.mil,.SpamIntheTrustRankmodel,westartwithgoodpagesandpropagatetrustComplementaryWhatfractionofapage’sPageRankcomesfromspampages?Inpractice,wedon’tknowallthespampages,soweneedtoestimateSpamMass HUBSANDHubsandHITS(Hypertext-InducedTopic目標(biāo):假設(shè)我們想要找到好報 Idea:Linkas In-link?Out-FindingHITS頁Authorities:報紙主課程主汽車制造商的主 報紙列表頁課程列表頁每個汽車廠商 頁Countingin-links:Countingin-links:ExpertQuality:聯(lián)合迭代定Hubsand
[KleinbergHubsandHubsand存在性與唯一ExampleofPageRankandPageRank和HITS是一個問題的兩種方ThedestiniesofPageRankandHITSpost-1998wereverydifferent本章小 HITS:導(dǎo)航頁 Pagerank稀疏矩條塊更面 的對 的ComputethePageRankofeachpage,assumingβ=0.8.eComputethetopic-sensitivPageRank,assumingtheeeportset(a)A(b)AandSupposetwospamfarmersagreetolinktheirspamfarms.How
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 二零二五版航空地面服務(wù)駕駛員勞動合同3篇
- 2025年度海外建筑項目勞務(wù)派遣合同2篇
- 2025年度交通事故責(zé)任認(rèn)定及賠償協(xié)議書范本8篇
- 二零二五版電子商品寄售合作協(xié)議3篇
- 2025年度拆遷安置房交易風(fēng)險控制合同3篇
- 二零二五年度高校特聘教授聘任協(xié)議(含科研成果分享與獎勵機制)4篇
- 2025年度創(chuàng)意產(chǎn)業(yè)園區(qū)物業(yè)創(chuàng)新環(huán)境維護合同范本3篇
- 2025年度車牌租賃與交通擁堵緩解服務(wù)合同4篇
- 2025年度個人住房貸款延期還款補充協(xié)議(二零二五版)4篇
- 2025版綠色建筑項目室內(nèi)植物租賃合同范本4篇
- 《面神經(jīng)炎護理措施分析》3900字(論文)
- 城市微電網(wǎng)建設(shè)實施方案
- 企業(yè)文化融入中華傳統(tǒng)文化的實施方案
- 9.1增強安全意識 教學(xué)設(shè)計 2024-2025學(xué)年統(tǒng)編版道德與法治七年級上冊
- 《化工設(shè)備機械基礎(chǔ)(第8版)》全套教學(xué)課件
- 人教版八年級數(shù)學(xué)下冊舉一反三專題17.6勾股定理章末八大題型總結(jié)(培優(yōu)篇)(學(xué)生版+解析)
- 2024屆上海高考語文課內(nèi)古詩文背誦默寫篇目(精校版)
- DL-T5024-2020電力工程地基處理技術(shù)規(guī)程
- 初中數(shù)學(xué)要背誦記憶知識點(概念+公式)
- 駕照體檢表完整版本
- 農(nóng)產(chǎn)品農(nóng)藥殘留檢測及風(fēng)險評估
評論
0/150
提交評論