当前位置:   article > 正文

PageRank算法与TextRank算法详解

带权pagerank

PageRank算法:

  • 该算法本质上属于有向带权图。
  • 对于某个互联网网页A来说,该网页PageRank的计算基于以下两个基本假设:
    • 数量假设:在Web图模型中,如果一个页面节点接收到的其他网页指向的入链数量越多,那么这个页面越重要。
    • 质量假设:指向页面A的入链质量不同,质量高的页面会通过链接向其他页面传递更多的权重。所以越是质量高的页面指向页面A,则页面A越重要。
  • 迭代方法:
    • map: 在一轮更新页面PageRank得分的计算中,每个页面将其当前的PageRank值平均分配到本页面包含的出链上,这样每个链接即获得了相应的权值。
    • reduce: 而每个页面将所有指向本页面的入链所传入的权值求和,即可得到新的PageRank得分。当每个页面都获得了更新后的PageRank值,就完成了一轮PageRank计算。
      • 我的理解是下一时刻PR值与前一时刻的PR值无直接关系,只取决于入度的权重。
  • 阻尼系数:
    • 由于存在一些出链为0,也就是那些不链接任何其他网页的网, 也称为孤立网页,使得很多网页能被访问到。因此需要对 PageRank公式进行修正,即在简单公式的基础上增加了阻尼系数qq一般取值q=0.85
    • 1q=0.15就是用户停止点击,随机跳到新URL的概率
  • PageRank计算得出的结果是网页的重要性评价,这和用户输入的查询是没有任何关系的,即算法是主题无关的。是一个与查询无关的静态算法,所有网页的PageRank值通过离线计算获得;有效减少在线查询时的计算量,极大降低了查询响应时间。

  • 缺点:

    • 人们的查询具有主题特征,PageRank忽略了主题相关性,导致结果的相关性和主题性降低。

    • 旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多上游链接,除非它是某个站点的子站点。

TextRank算法

  • 本质上属于无向带权图。
  • 将有向图算法改进为无向图算法,不再区分结点的指向性,而只关注结点的邻居结点及本身的连通度。
  • 具有较高权重的结点也被认为与更多重要结点具有较高的连通度,可以抽象为网络的“中心”,而在多文档文摘中,中心结点代表包含重要信息的文摘句。

转载于:https://www.cnblogs.com/szxspark/p/10262566.html

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/我家小花儿/article/detail/760579
推荐阅读
相关标签
  

闽ICP备14008679号