数据挖掘笔记：Review_2

链接分析

简单PageRank，节点投票，只考虑入度对自己的贡献

为应付爬虫陷阱和终节点，引入一个随机跳转的概率β

大规模PageRank的计算方法，存储上压缩，分批处理，计算加速：

1.   M矩阵的稀疏特点，可以只存储非零元素

2.   将M矩阵存放在磁盘中，运算时分批加载矩阵中的向量

3.   当连r[old]和r[new]这种状态向量也无法存储在内存时，就要把r[old]和r[new]也存在磁盘，运算时分块加载r[old]中的数据和要用到的M中的部分向量，去更新r[new]中的值。Block_base Update和Block_stripe Upadate

4.   矩阵快速幂加速

PPR，个性化PR，对随机跳转集做了限制

SimRank，还是在随机跳转集上做手脚，用相似度作为随机跳转到某节点的概率。

HITS,Hubs & Authorities,综合考虑入度和出度，来回投票互增长。

TrustRank对战WebSpam

WebSpam的两种常用伎俩：

1.       TermSpam

a)       在页面中用背景色插入大量某主题的关键字

b)       将现有的最优搜索结果的内容用背景色插入到自己的页面中

2.       SpamFarm，指向目标Page的不光是自己的‘托’，还从一些正经网页指向，比如博客中的文章、评论等等，并由于PageRank的机制，增加自己‘托’网页的数量将提高目标也的整体评分。