使用pagerank计算商业服务网络中节点的重要性


     现实世界中有很多商业服务,在服务中消费者和服务提供者构成了一个
网络(图)。大部分的服务网络都是无尺度网络,节点的degree是
幂律分布这样的无尺度分布。也就是说,很少部分服务商向大量的消费者
提供了大部分服务。在这样的无尺度网络中,很明显这少部分服务商是很重要的。
但他们的重要性需要一种度量。

    而且,随着共享经济的发展,线下线上的结合,有一些特定的服务网络在特定情况下
不再是无尺度网络,而是节点的degree接近正太分布的小世界网络。在这样的服务网络中,
服务商的重要性不再那么明显。那么如何定义和计算服务商的重要性呢?

    在这里,忽略服务的细节和质量,只基于服务关系。那么,决定服务商重要性
的因素主要有:商家提供服务的数量;接受商家服务的消费者的重要性;这些消费者
购买服务的数量。而消费者的重要性,可以与商家重要性类似的方式定义和计算。
可以看到这个定义与web网络中网页重要性的定义很像。实际上,完全可以用
计算网页排名的方法来计算服务节点的重要性。pagerank算法应用广泛,她同样
可以用于服务网络中节点重要性的计算。

    与web网络不同,同一个服务关系往往是多次重复的,服务次数可以看作服务网络中边的权重;
此外服务网络看起来是一个 B-->C 的二部图,作为服务商,他只有出边,消费者则只有入边。
但服务关系可以看作是双向的,即 B<-->C 。这样,服务网络上的pagerank就与web网络上的大同小异了。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
常见的计算网络节点重要性的算法有以下几种: 1. PageRank算法:PageRank是一种基于链接结构的网页排名算法,可以用来计算网络节点重要性。该算法假设用户在浏览网页时,会随机点击链接跳转到其他网页,每个网页的访问概率与其PageRank值成正比,因此可以通过迭代计算每个节点PageRank值来衡量节点重要性。 2. HITS算法:HITS算法是一种基于超链接分析的网页排名算法,可以用来计算网络节点重要性。该算法假设有一些节点是“权威节点”,其他节点与这些权威节点的链接质量越高,节点的权威值就越高。因此,可以通过迭代计算每个节点的权威值和枢纽值来衡量节点重要性。 3. 介数心性算法:介数心性算法是一种基于节点在网络介性来计算节点重要性的算法。该算法假设信息在网络的传播需要通过节点之间的路径传递,节点的介数心性指的是节点在所有路径作为节点的频率。介数心性越高的节点,其在网络重要性越高。 4. 度心性算法:度心性算法是一种基于节点在网络的度数来计算节点重要性的算法。该算法假设节点的度数越高,其在网络重要性越高。 5. 接近心性算法:接近心性算法是一种基于节点与其他节点的距离来计算节点重要性的算法。该算法假设节点到其他节点的距离越短,其在网络重要性越高。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值