11-pagerank 图机器学习之PageRank

Posted combfish

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了11-pagerank 图机器学习之PageRank相关的知识,希望对你有一定的参考价值。

pagerank:链接分析

如同图谱的网络
技术图片
每个网页相互链接,是一个有向图,强连通分量
设计一个计算十堰,找到给定节点的输入与输出成分(?)
技术图片
节点:网页
边:超链接
次要问题:动态页面如何解决?暗网——无法直接进入的网页
技术图片
网页的现状:不一定通过导航链接,而通过交易事务(?),例如邮件,评论,评论,点赞,购买等
技术图片

是一个有向图
技术图片
其他类型的信息网络:如引用网络,百科中的引用
技术图片

In(v) OUT(v)的定义:通过输入或输出关系可以接触节点v的节点集合
技术图片
有向图的推理
有向图的两种类型:
1)强连接(任意两节点间相连)
2)邮箱无环图
技术图片

强连通分量:任意两节点有通路
技术图片

事实上,每一个有向图在他的SCCs上都是有向无环图,也就是说,如果把一个图中的连通分量看成一个节点的话,那个这个虚拟的新图就是一个DAG
技术图片



网络的结构:
技术图片

一个节点的In(v)和Out(v)的交集,是一个强连通分量,同时=Out(v,G)与Out(v,G‘)交集,G‘是指G中所有边的方向翻转后得到的图
技术图片



技术图片

对于网页网络而言,计算其输入与输出分量
技术图片

结果
技术图片
蝴蝶结结构
技术图片


网络的pagerank
对网页的重要度进行排序——基于网络结构
技术图片
链路分析算法
§ PageRank
§ Personalized PageRank
§ Random Walk with Restarts
将链接看成投票,网页越重要,则有更多的链接
但是,每一个链接都一视同仁吗?
技术图片

从重要网页来的vote更具价值
技术图片


当一个节点被其他重要节点指向时,这个点变得更重要
技术图片

矩阵公式
技术图片
技术图片

矩阵的特征向量M=pagerank
技术图片

迭代方式
技术图片
技术图片
技术图片

pageRank的解方程
技术图片
技术图片
技术图片

3个问题:
是否收敛;收敛结果是所需求的吗?结果合理吗?
技术图片

还有两个问题:
有些网页没有出度
有些网页是搜索陷阱,即所有的链接都在组内
技术图片

对于上面的两个问题,那么,他会收敛吗?
技术图片


技术图片
解决方案:
在每一次迭代,以某个概率随机链接?
技术图片


对于teleports,没有出度的,在矩阵中使其出度的概率为1
技术图片
技术图片


google的解决方案
技术图片

技术图片

例子:
技术图片

如何实际计算pagerank
技术图片

当节点多的时候,占用空间大
技术图片
通过稀疏矩阵的分解
技术图片
技术图片

例子:
技术图片
随机游走的restart以及个性化的pagerank
技术图片

应用例子:图谱检索
给定:作者与会议的关联网络
目标:图谱中的相似衡量
           如:与ICDM关联度最高的会议是?我们应该推荐某个人参加其他哪类会议?
技术图片
技术图片
技术图片
技术图片

1) 图谱和网页检索:对节点基于重要性排序
2)个性化的PageRank:将节点与teleport node s的亲近度进行排序
3)图中的亲近度: 例如与ICDM最相关的是?重启动的随机游走,启动点位teleport node
技术图片

如何 random walk
1)从查询点出发,随机游走,并记录每个访问到的点
2)以概率α,多次随机游走
3)访问次数最多的点,即为最相近的点
技术图片

技术图片
技术图片
技术图片

益处:
考虑了:多链接;多路径;有向和无向的连接;节点的度
技术图片

技术图片
技术图片

pagerank总结:
技术图片











以上是关于11-pagerank 图机器学习之PageRank的主要内容,如果未能解决你的问题,请参考以下文章

10-graph-gen 图机器学习之图生成模型

08-GNN 图机器学习之图神经网络

05-spectral 图机器学习之谱分解

04-communities 图机器学习之社区

15-outbreak 图机器学习之爆发检测

机器学习之TensorFlow介绍