本文介绍了 PageRank 算法的基本概念及其在信息技术、图书馆学、生物学和电子商务等领域的应用,并提出了一种基于马尔可夫链的分布式随机算法,它使用了节点和链接的图形表示,与系统和控制社区中的其他问题有所关联。
Dec, 2013
介绍了 Google 的 PageRank 算法及其广泛应用,涵盖了网络分析、系统分析等多个领域。
Jul, 2014
本文研究了一类 PageRank 优化问题,其中设计限制约束了网页的出链策略,模型可以通过约束马尔可夫决策过程进行建模,讨论了优化出链策略的定性特征,发现存在一个 “主站点”,所有控制网页都应指向此站点,并在实际 Web 图的片段上展示了数值结果。
Nov, 2010
本文介绍了一种新的双向算法来估计随机游走得分,其中结合了更高效的 Monte Carlo 和线性代数方法,使速度提高了 70 倍以上,可以用于社交网络、用户 - 项目网络和网页等网络上的个性化搜索和推荐。此外,文章还提出了其他相关算法,可用于无向图、任意步长和马尔可夫链、个性化搜索排名和从给定源到给定目标集的随机路径抽样。
Dec, 2015
本文分析了一种针对网页集合的链接策略,该集合的网站管理员想要最大化谷歌 PageRank 分数的总和。我们提供了一种在合理假设下的最佳链接策略。
Nov, 2007
本文提出了使用分布式计算框架计算大型边加权图的全面边加权个性化 PageRank 的新方法,使用了蒙特卡罗近似并结合优化技术,其准确性表现显着超过基线算法,并且速度比现有技术快数个数量级。
Mar, 2019
本文提出了新的 Personalized PageRank 估计和搜索算法,通过双向 PPR 估计器和基于采样的搜索算法实现了高效的估计和搜索。
Jul, 2015
本文提出了两种基于个性化 PageRank 的超图聚类算法,它们都具有输出顶点集合对导纳有理论保证的优点,并在解决方案质量和运行时间方面优于现有方法。这是第一篇在具备理论保证的情况下实现了超图聚类的实用算法。
Jun, 2020
该研究旨在通过发现 PageRank 参数与种子集扩展问题之间的联系,提出了一种评估排名方法的原则框架,并提出了一种简单的线性分类规则用于更高阶的落点概率的种子扩展问题。
Jul, 2016
在给定的有向图中选择一个大小为 k 的代理人子集,将入度之和最大化,并设计不需要付款的机制以满足策略无关性和近似最优性约束。具有近似比例边界的策略无关机制的近似比例上限为四对于任何 k 值,并随着 k 的增加逼近一。
Oct, 2009