pagerank做围脖局部影响力计算example
接着上一篇的文章继续写。看了大家在resys china 和 新浪围脖上的评论，启发蛮多的。首先谢谢大家。
这次的example中，只用了转发这一种信息作为权重的衡量标准。一共采集不到1w的用户量，平均每个用户1k的围脖信息。
类似于google 的pagerank一样，用户A转发用户B的一条围脖，则相当于给用户B投了一票，但每个用户所投票的重要性不同，排名高的用户用户投票更有说服力。
通过几次迭代计算，用户的rank 值收敛了。结果如下：
http://expertise.sinaapp.com/pagerank/show.php
对比spear算法（一种参考HITS算法的rank算法，具体见http://somemory.com/myblog/?post=48）的结果如下：
http://expertise.sinaapp.com/show.php
取top10列表如下：
| rank | pagerank | spear |
| 1 |  | |
| 2 |  |  |
| 3 |  | |
| 4 |  | |
| 5 |  |  |
| 6 |  | |
| 7 |  |  |
| 8 |  |  |
| 9 | | |
| 10 |  | |
从这个表格里可以看出其实排名前10的结果差异不大，除过采集数据的时间差异，可以认为两种算法效果其实差不多的。
几点思考：
（1）在pagerank算法中由于采集的数据不能覆盖到所有的面，总会出现这种情况：一些不是特别牛的号排名比一些看起来牛的号排名靠前很多。原 因是，大号总会转发一些所谓小号的围脖，尤其是薛蛮子老爷子，转发的面儿很广，涉及的人很多，会造成这些小号在局部范围中有“一定的影响力”，即排名靠前 于一些大号。
（2）上面的问题可以用加入一个新的信息维度“是否关注”来减弱。因为即使大号转发了小号的围脖，但也只是偶然现象，大号们并不会关注这些小号，所以加入“是否关注”可以改变图中的权重，从而缓解（1）中的问题。
（3）由于不可能采集太过量的数据，一方面采集速度一定会远远慢于数据的产生速度，另一方面太过量的数据处理起来会涉及到很多非算法方面的问题。所 以做得这些分析只能算作某个“圈子”里的用户影响力rank，并不能代表太宽泛的范围。当然，我们可以采集一些类似于微群这样的group的数据来做分 析，会得到一些比较有意义的结论。
（4）关于pagerank和spear（类似hits）的对比：
- pagerank基本原则是只向前看，从一个链接到另一个链接（从一个user到另一个user）
- spear则要从一个权威（authority）网页向后看，看哪些网页指向了它。
相关的经典paper（点我下载）：
1、topic sensitive pagerank ，Haveliwala，Stanford
479
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
