個性化頁面排名

Question

我一直在試圖圍繞個性化頁面排名算法以及它是如何工作的。我遇到了this paper，它給出了這個圖：see link to image below與PPR計算的權重。我無法用他們提供的模型來重複計算。

任何人都可以爲我分解它來幫助我環繞概念？

謝謝！

Answer 1

該論文是個性化頁面排名的很好參考。基本上我的理解是，ppr分數告訴你從源節點移動到目標節點的概率。它是描述圖中特定源節點與目標節點之間關係的特定分數。

如果您有重現結果的問題，您可以在python中使用networkx，加載圖形並使用 來計算ppr networkx.pagerank（graph，personalization = {'a'：0，''：1，' b'：0 ....}） Networkx使用功率迭代方法來計算ppr，您可以得到如示例中所示的精確結果。

本論文的作者在這裏有C++代碼https://github.com/snap-stanford/snap/blob/master/snap-core/randwalk.h由於此方法是基於隨機遊走的方法，因此無法得到與示例中所示結果完全相同的結果，但排名正確。

希望有所幫助。