Matrix 信息检索.邻接矩阵图草图,隐形传送概率,计算PageRank
我正在做一些关于信息检索的事情,还有一个考试就要来了,我完全不知所措。首先,有人能推荐我最短和最好的描述,说明PageRank在信息检索中的实际用途吗?甚至可能是一个好的短片或你自己的描述。我知道谷歌曾经或者曾经使用过它 我知道这里有很多问题,但我可以在短时间内得到尽可能多的帮助 因此,我的第一个问题(摘自过去的论文,并举出我自己的例子): 我想要一张桌子,比如:Matrix 信息检索.邻接矩阵图草图,隐形传送概率,计算PageRank,matrix,transition,probability,information-retrieval,pagerank,Matrix,Transition,Probability,Information Retrieval,Pagerank,我正在做一些关于信息检索的事情,还有一个考试就要来了,我完全不知所措。首先,有人能推荐我最短和最好的描述,说明PageRank在信息检索中的实际用途吗?甚至可能是一个好的短片或你自己的描述。我知道谷歌曾经或者曾经使用过它 我知道这里有很多问题,但我可以在短时间内得到尽可能多的帮助 因此,我的第一个问题(摘自过去的论文,并举出我自己的例子): 我想要一张桌子,比如: A B C A 0 1 0 B 1 0 1 C 0 0 0 并创建一个图表。我
A B C
A 0 1 0
B 1 0 1
C 0 0 0
并创建一个图表。我认为这是正确的,但不确定(我可以使用“是的,这是正确的”或“否”:
如果给我一个图表,比如:
该表将是:
A B C
A 0 1 0
B 0 0 1
C 0 0 0
这是正确的吗?如果不是,我能不能请你帮我找个地方描述一下?我正在读的讲座不擅长解释,我的讲师也不擅长帮助
接下来,我可能会被要求在第一个表中使用隐形传态概率。这一点我非常需要帮助。如果概率(特殊的a符号)=1/2,这是否意味着将所有东西相乘,包括表中的0,例如0x1/2?也就是1x1/2?这是转移概率矩阵
下一个问题是,如何从上面的矩阵计算PageRank。使用矩阵乘法。用单词或伪代码
我想知道的另一个问题是,如果一个用户跟随另一个用户,他们在twitter上的页面排名会增加吗?我假设这会是一个“否”,因为他们没有跟随该用户回来
一个用户的pagerank是否取决于你从一个随机用户开始,点击另一个随机角色等直到找到他们时,你找到该用户的频率?我认为这肯定不是真的。因为他们可能没有跟踪该用户
我知道这是一个很大的问题。有谁的教程我都可以遵循,不是很复杂,我可以看看,并在今天掌握它
谢谢,我真的很感谢你的帮助。我知道没有一个人可以回答所有问题,但可以为一些人提供帮助。以下是我回答你问题的方法: 良好的学习资源: (毫无疑问,你已经看到了,但这是一个非常好的例子)。从这里开始,首先理解算法,然后进行实现 这可能是一个很好的简单实现方法? 或者这个: 我猜您可以使用Python(公共学校语言)编程,在这种情况下,您可能会对处理具有pagerank计算的图形的包感兴趣:。如果您必须编写自己的pagerank算法(非常可行),您可以使用它来检查结果 对于矩阵->图形转换问题:您的教授需要指定方向性在矩阵中的编码方式。B,C中的1是否指定了从B到C或从C到B的链接?我的猜测是B到C。如果是这样,您的第一个图形是错误的,但第二个图形是正确的。方向性在PageRank中非常重要 我相信隐形传态概率是指一个执行新步骤的随机步行者跳转到图中一个随机节点的概率。它在维基百科页面的“阻尼因子”下。我不知道它是如何与矩阵中的数字相乘的 对于Twitter的问题-是的,我想你说得对。链接到(或者大概是跟随)第二个人不会直接对第一个人的pagerank做任何事情,但它可能会增加第二个人的pagerank。实际上,可能会有副作用,比如第二个人注意到第一个人很有趣,然后跟着他们回来 第二个也是最后一个问题——是的,pagerank算法的一个公式是沿着链接随机游走,并经常遇到进入pagerank的节点(页面)
祝你好运!我还有一个问题要问!这是关于主题PageRank的,如果我问你,你能帮忙吗?