人工智能教程 - 专业选修课程4.3.11 - 复杂结构数据挖掘 5.PageRank技术

最新推荐文章于 2023-09-11 17:46:22 发布
最新推荐文章于 2023-09-11 17:46:22 发布
阅读量442 收藏
点赞数 1
分类专栏： 专业选修课程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fsdaewrq/article/details/104661570
版权
PageRank技术通过模拟web冲浪者行为对抗词项作弊，考虑网页链接与内容判断重要性。PageRank是网页排名函数，高分表示重要性。此外，还涉及TrustRank、HITS等主题相关排序方法，以及解决PageRank问题的策略，如特定主题PageRank和中心权限模型。
摘要由CSDN通过智能技术生成

PageRank技术

使用PageRank技术可以用来对抗词项作弊(term spam)。
问题：词项作弊。是一种欺骗搜索引擎让其相信一个本来不相关的页面，使其排名靠前的技术。
解决方案：使用PageRank技术来模拟web冲浪者的行为，这些冲浪者从随机页面出发，每次从当前页面随机选择出链前行，该过程可以迭代多次。最终，这些冲浪者会在页面上汇合。较多冲浪者访问的网页重要性被认为高于那些高于那些较少冲浪者访问的网页。
在判断网页内容时，不仅考虑网页上出现的词项，还考虑指向给网页的链接中或周围所使用的词项。

PageRank技术的动机

  1. web用户会用脚投票
  2. 随机冲浪者 random surfer的行为表明web用户可能访问那些网页。用户更可能访问有用而不是无用的网页。类似于随机游走

PageRank定义

PageRank是一个函数，它对web中(或者至少是抓取并发现其中链接关系的一部分网页)的每个网页赋予一个实数值。它的意图在于，网页的PageRank越高，那么它就越“重要”。

TrustRan
最低0.47元/天 解锁文章
KuFun元宇宙
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
水了一篇PAKDD2018的文章：Topic-specific Retweet Count Ranking for Weibo
mmc2015的专栏
02-24 4249
看题目就知道做什么工作：Topic-specific Retweet Count Ranking for Weibo摘要：In this paper, we study \emph{topic-specific} retweet count ranking problem in Weibo. Two challenges make this task nontrivial. Firstly, tr...
【大数据】五、链接分析（PageRank、Topic-sensetive PageRank）
ywm_up
07-09 1296
文章目录1. PageRank1.1 普通 PageRank 算法例题2. 避免终止节点2.1 消除终止节点2.2 采集器陷阱及“抽税”法（自环与参数β）3. 面向主题的 PageRank 1. PageRank 词项作弊： 将词项重复几千次 将词的颜色和背景色设成一致 为了对抗词项作弊，谷歌提出两项创新： 使用了PageRank技术来模拟Web冲浪者的行为，较多冲浪者访问的网页的重要性被认为高于那些较少冲浪者访问的网页。 在判断网页内容时，不仅只考虑网页上出现的词项，还考虑指向该网页的链接中或周围所
人工智能 报告 PageRank算法的具体实现
06-25
人工智能 PageRank算法的具体实现 有代码
Topic-Sensitive PageRank(主题敏感的PageRank )
思考，思考，再思考~
08-10 8608
转载于真实的归宿，在此感谢。 前面的讨论提到。PageRank忽略了主题相关性，导致结果的相关性和主题性降低，对于不同的用户，甚至有很大的差别。例如，当搜索“苹果”时，一个数码爱好者可能是想要看 iphone 的信息，一个果农可能是想看苹果的价格走势和种植技巧，而一个小朋友可能在找苹果的简笔画。理想情况下，应该为每个用户维护一套专用向量，但面对海量用户这种方法显然不可行。所以搜索引擎一般会选
用一个例子详解主题敏感（topic-sensitive）pagerank算法流程
但行好事，莫问前程
08-14 3993
本文根据主题敏感pagerank出处的论文《Topic-Sensitive PageRank》中的计算流程，尝试通过列举一个简单的例子来说明主题敏感pagerank的流程。 希望能够帮助有需要的同学。如算法流程有误，请多多指教。
[学习笔记]PageRank算法
最新发布
zhangyifeng_1995的博客
09-11 924
对于Column Stochastic矩阵，由Perreon-Frobenius定理，最大的特征值就是1，且存在唯一的主特征向量(特征值1对应的特征向量)，向量所有元素求和为1。random walks with restarts：随机游走，并有传送到指定的一个节点，继续游走。pagerank的一种解释是：随机游走，并有概率随机传送到网络中的任意一个节点，继续游走。所以考虑一个网站是否重要，需要看引用它的网站是否重要，这就成了一个递归的问题。的节点的rank值，各自除以它的出度，再求和。
人工智能教程 - 专业选修课程4.3.11 - 复杂结构数据挖掘 1.介绍
KuFun人工智能的专栏
03-03 449
数据挖掘 数据包含价值(value)和知识，而我们要做的事就是要提取知识数据 需要三部分： 1.存储（系统课程） 2.管理（数据库课程） 3.分析数据 ANALYZED (此数据挖掘课程的目标) 数据挖掘 ≈ 大数据 ≈ 预测分析 ≈ 数据科学 ≈ 机器学习 Data Mining ≈ Big Data ≈ Predictive Analytics ≈ Data Science ≈ Machi...
人工智能教程 - 专业选修课程4.3.11 - 复杂结构数据挖掘 9.社交网络,社区
KuFun人工智能的专栏
03-05 344
社交网络 社区：社交网络中的一个重要问题是识别“社区”。社区是指具有非同寻常的强连通性的节点子集(节点可以是构成网络的人或其他实体)。 把社交网络看成图，称为社会图 social graph 网络和社区 目标：聚类 局部性 locality：指社会网络的节点和边趋向于聚为社区的这种性质。 社会网络的基本特点： （1）一大堆试题参与了网络的构成。 （2）网络实体之间至少存在一种关系。 （3）对于...
人工智能教程 - 专业选修课程4.3.11 - 复杂结构数据挖掘 6.聚类,K-Means++
KuFun人工智能的专栏
03-04 224
聚类 clustering 点，空间和距离 点(point) 集是一种适合于聚类的数据集，每个点都是某空间下的对象 能够进行聚类的所有空间下都有一个距离测度(distance metices)，即给出空间下任意两点的距离. 聚类方法 层次结构 Hierarchical:： 凝聚式 Agglomerative（自下而上 bottom up)）： 最初，每个点都是一个群集 反复结合“最...
链接分析课件2/2
02-12
《链接分析》pds 第二个，共两个 作为《web大数据挖掘》课程课件使用
人工智能教程 - 专业选修课程4.3.11 - 复杂结构数据挖掘 7.在线算法,贪心算法,完美匹配
KuFun人工智能的专栏
03-05 316
在线算法 on-line 在线on-line 算法通常会包含一个“贪心算法”(greedy)的方法 算法的工作流程： 一开始先进行离线 off-line 算法 首先，将算法所需要的所有数据准备好 然后，算法以任意次序访问数据 最后，算法输出结果 然而很多情况下并不能获取全部的的数据，举个极端的例子，我们必须在每个流元素到达之后就以输出方式对查询进行应答。于是我们必须在对将来...
六、PageRank算法与代码实战【CS224W】（Datawhale组队学习）
小刘的博客
02-27 955
PageRank是1997年谷歌第一代搜索引擎的底层算法。大幅提高了搜索结果的相关率和质量，成为互联网第一个爆款应用，造就了传奇的谷歌公司。PageRank把互联网表示为由网页节点和引用链接构成的有向图，通过链接结构，计算网页节点重要度。来自重要网页节点的引用链接，权重更高。 我们可以通过线性方程组、矩阵乘法、特征值和特征向量、随机游走、马尔科夫链，五种角度，理解并求解PageRank值。之后对PageRank的
个性化PageRank算法
lili安的博客
06-22 7122
最近在学习知识图谱，涉及到：PageRank算法、马尔科夫模型 马尔科夫模型：https://blog.csdn.net/pipisorry/article/details/46618991 PageRank算法 一、什么是PageRank 利用网页简单的超链接来计算网页的分值，从而给网页进行排名的一种算法。Google用它来体现网页的相关性和重要性，在搜索引擎优化操作中是经常用来评估网页优化的成效因素之一。 它的思想是模拟一个悠闲的上网者，上网者首先随机选择一个网页打开，然后在这个网页上呆.
02.链接分析（Link Analysis）：PageRank算法
老毛的博客
09-13 1736
文章目录Internet网络的图结构及概念复习PageRank-google的发家算法基本的PageRank算法进阶版本的PageRank基于主题的Topic-specific PageRank Kaisa主讲 Internet网络的图结构及概念复习 将Internet网络网站看做节点，把超链接看做有向边。 网页的分类老师提到两类，早期多是静态HTML，属于第一类，典型的就是hao123网站。以下内容来自：http://www.thuir.org/group/~YQLiu/thesis/05Content
PageRank算法
chucuoyuan7276的博客
01-19 539
基本PageRank Pagerank思想： “被越多优质的网页所指的网页，它是优质的概率就越大” 显然这个算法是可以用于搜索引擎的搜索排名上面，让更加优质的网页呈现给用户。 1，早期搜索引擎的弊端 一，不评价： ...
数据挖掘之链接分析学习
viewcode的专栏
06-26 4717
链接分析最重要的应用就是搜索引擎，另外，在论文检索、社交网络等方面也有应用。 1. 有过哪些链接分析技术？ 2. PageRank技术的基本定义什么？ 3. PageRank有哪些改进？考虑了哪些因素？ 4. 有哪些链接作弊技术？如何消除这些作弊？ 5. 什么HITS算法?与PageRank的区别是什么？ 1. 有过哪些链接分析技术？ 1）倒排索引：第一代搜索技术，将
图机器学习——3.2 PageRank 算法问题改进与延伸
Kanny
12-05 2226
1. PageRank 算法问题与改进 PageRank 算法在实际迭代过程中会遇到两个问题： 死节点（dead ends） 产生此问题的原因是有些节点没有向外的连接，如下图的bbb，那么就会导致最终重要性得分会变成0. 出现此问题后不满足列和为1的假设，最终求解会出现问题。 局部陷阱（spider traps） 这种问题是由于所有的往外的连接都在一个小的组内，最终这个“陷阱”会吸收掉所有的重要性，如下图的bbb所示。 这个问题在数学本身的求解上并不是问题，但出现局部陷阱后得到的并不是我们所期望
SSH开发环境搭建教程：Struts2.3.24+Spring4.1.6+Hibernate4.3.11+MySQL5.5.25
本篇图文教程详细介绍了Struts2.3.24、Spring4.1.6、Hibernate4.3.11和MySQL5.5.25开发环境的搭建过程，旨在帮助开发者建立起一个完整的传统SSH（Struts + Spring + Hibernate）架构用于Java应用开发。以下是教程中...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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