Jun, 2010

快速增量和个性化 PageRank

PDF
TL;DR本文分析了 Monte Carlo 方法在动态社交网络中增量计算 PageRank、个性化 PageRank 和类似的基于随机行走方法（重点关注 SALSA）时的效率，针对全局 PageRank 做出了重大改进，同时也可以同样高效地处理删除，并研究了顶部 k 个个性化 PageRank 的计算。
monte carlo methodspagerankpersonalized pagerankrandom walkdynamic social networks
发现论文，激发创造
  • 个性化 PageRank 的高效算法

    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

  • 大规模图上完全个性化 PageRank 的分布式算法

    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

  • 动态图上的近似个性化 PageRank

    本文提出并研究了两种算法，用于在动态图上维护近似频繁访问节点的 PPR 向量。其中，两种变体 Forward Push 和 Reverse Push 算法，能通过图的加边和删除边的动态维护算法在保证相似性的情况下进行向前和向后推送，减少计算代价。

    Mar, 2016

  • 大规模图形个性化 PageRank 估计的快速扩展

    提出了一种新算法 FAST-PPR，用于估计个性化 PageRank，在大型图上具有高效和精度的优势。

    Apr, 2014

  • 个性化 PageRank 估算与搜索：一种双向方法

    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

  • 随机、大规模和高效行走

    本研究提出一组技术，允许在每台机器的空间强烈次线性的情况下，在 Massive Parallel Computation（MPC）模型中高效生成许多独立的随机游走，从而突破了 PageRank 等在有向和无向图的应用中遇到的局限性。

    Jul, 2019

  • 区块模型与个性化 PageRank

    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

  • 多线性 PageRank

    本文将 PageRank 扩展为高阶马尔可夫链，介绍了基于多项式方程的可计算逼近方法 —— 多线性 PageRank，结合了一种 “随机漫步者” 模型，并提出了不同的迭代算法，研究了其参数范围内的收敛性和解的唯一性。

    Sep, 2014

  • 连续时间扩散网络中的可扩展影响估计

    本文提出了一种基于随机算法来进行影响估计的方法，该方法可以在连续的时间传播网络中估计每个节点的影响力，通过大规模的实验数据表明，该方法不仅精度高，而且能够扩展到数百万个节点的网络上。

    Nov, 2013

  • 重访面向目标节点的个性化 PageRank 算法

    该论文介绍了基于 Personalized PageRank 的节点关系的单目标和多目标查询方法，其中提出了一种名为 RBS 的新算法，旨在提高查询效率和精度，适用于大型实际数据集。

    Jun, 2020