PR算法介绍

　　PageRank
　　基本思想：如果网页T存在一个指向网页A的连接，则表明T的所有者认为A比较重要，从而把T的一部分重要性得分赋予A。这个重要性得分值为：PR（T）/C(T)
　　其中PR（T）为T的PageRank值，C(T)为T的出链数，则A的PageRank值为一系列类似于T的页面重要性得分值的累加。
　　PR（A）=（1-d）+d（PR（t1）/C（t1）+…+PR（tn）/C（tn））
　　A代表页面A
　　PR（A）则代表页面A的PR值
　　d为阻尼指数。通常认为d=0.85
　　t1…tn 代表链接向页面A的页面t1到tn
　　C代表页面上的外链接数目。C（t1）即为页面t1上的外链接数目
　　从计算公式可以看到，计算PR值必须使用迭代计算才能得到。
　　优点：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。
　　不足：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；另外，PageRank有很严重的对新网页的歧视。
　　Topic-Sensitive
　　（主题敏感的PageRank）
　　基本思想：针对PageRank对主题的忽略而提出。核心思想：通过离线计算出一个PageRank向量集合，该集合中的每一个向量与某一主题相关，即计算某个页面关于不同主题的得分。主要分为两个阶段：主题相关的PageRank向量集合的计算和在线查询时主题的确定。
　　优点：根据用户的查询请求和相关上下文判断用户查询相关的主题（用户的兴趣）返回查询结果准确性高。
　　不足：没有利用主题的相关性来提高链接得分的准确性。
　　Hilltop
　　基本思想：与PageRank的不同之处：仅考虑专家页面的链接。主要包括两个步骤：专家页面搜索和目标页面排序。 　优点：相关性强，结果准确。 　不足：专家页面的搜索和确定对算法起关键作用，专家页面的质量决定了算法的准确性，而专家页面的质量和公平性难以保证；忽略了大量非专家页面的影响，不能反映整个Internet的民意；当没有足够的专家页面存在时，返回空，所以Hilltop适合对于查询排序进行求精。

标签： 页面主题专家相关性 打印本页 || 关闭窗口