个性化页面排名

Question

我一直在试图围绕个性化页面排名算法以及它是如何工作的。我遇到了this paper，它给出了这个图：see link to image below与PPR计算的权重。我无法用他们提供的模型来重复计算。

任何人都可以为我分解它来帮助我环绕概念？

谢谢！

Answer 1

该论文是个性化页面排名的很好参考。基本上我的理解是，ppr分数告诉你从源节点移动到目标节点的概率。它是描述图中特定源节点与目标节点之间关系的特定分数。

如果您有重现结果的问题，您可以在python中使用networkx，加载图形并使用 来计算ppr networkx.pagerank（graph，personalization = {'a'：0，''：1，' b'：0 ....}） Networkx使用功率迭代方法来计算ppr，您可以得到如示例中所示的精确结果。

本论文的作者在这里有C++代码https://github.com/snap-stanford/snap/blob/master/snap-core/randwalk.h由于此方法是基于随机游走的方法，因此无法得到与示例中所示结果完全相同的结果，但排名正确。

希望有所帮助。