Я пытаюсь обернуть меня вокруг персонализированного алгоритма ранжирования страницы и того, как он работает. Я наткнулся на this paper, который дает этот график: see link to image below с весами, рассчитанными PPR. У меня проблемы с воспроизведением расчетов с помощью моделей, которые они дают.Персонализированный рейтинг страницы
Может ли кто-нибудь сломать это для меня, чтобы помочь мне обернуть меня вокруг концепции?
Спасибо!
Документ является хорошей ссылкой на персонализированный рейтинг страницы. В основном, мое понимание, оценки ppr говорят вам, что вероятность того, что исходный узел переместится на целевой узел. Это конкретная оценка, описывающая взаимосвязь между конкретным источником и целевыми узлами на графике.
Если у вас есть проблема с воспроизведением результатов, вы можете использовать networkx в python, загрузить график и вычислить ppr, используя networkx.pagerank (graph, personalization = {'a': 0, 's': 1, ' b ': 0 ....}) Networkx использует метод итерации мощности для вычисления ppr, вы можете получить точный результат, как показано в примере.
У этого тезиса есть код C++ https://github.com/snap-stanford/snap/blob/master/snap-core/randwalk.h Поскольку этот метод основан на методе случайного блуждания, вы не можете получить точно такие же результаты, как показано в примере, но ранг правильный.
Надеюсь, что это поможет.
