Google搜索引擎的数学模型及其应用

该文在阐明Google搜索引擎中关键的页面等级算法(PageRank)原理的基础上,分析了PageRank算法的随机冲浪模型,并着重讨论相应的数学模型在足球队排名问题(1993年全国大学生数学建模竞赛B题)中的应用.具体做法是综合考虑各队的比赛成绩,为每支球队计算相应的等级分(Rank),然后根据各队的等级分高低来确定名次.考虑到竞技比赛结果的不确定性,最后建立了等级分的随机冲浪模型.分析表明等级分排名结果具有良好的参数稳定性,并且可以成功地处理数据缺损方面的困难.

PageRank算法研究

深入剖析了著名搜索引擎Google的关键技术PageRank算法,介绍分析了该算法的当前发展现状。并针对PageRank算法容易出现主题漂移现象,利用提出的二阶相似度改进算法。实验表明,改进的算法有利于减少主题漂移现象,提高用户对检索结果的满意度。

用户差别化和主题敏感的PageRank算法

为了通过相同的查询词,可以返回满足不同用户需求的搜索结果,使搜索结果的排序因人而不同,将用户进行差别化对待,依据不同用户的不同兴趣爱好、个性的特点、不同的需求等,借助改进后的主题敏感的PageRank算法,调整网页排序的结果.用户差别化和主题敏感的PageRank算法在一定程度上解决了PageRank算法存在的主题漂移问题,并且针对主题敏感的PageRank算法进行改进,使其具有主题扩展性、减少算法的在线计算时间,在查询过程中提供更快的响应速度.最终用户差别化和主题敏感的PageRank算法可以提高用户对网页排序算法和搜索引擎响应速度的满意程度,并且提高网页排序的准确程度.

基于MapReduce的新型微博用户影响力排名算法研究

微博凭借其即时发布、实时传播、简便易用的特点逐渐成为最为主流的自媒体平台。用户影响力评价是微博社交网络中基本而又重要的问题,它对于优化与推动社会信息传播来说有着重要意义。以新浪微博为实验对象,通过综合考虑微博用户关系网络特性和用户行为,结合MapReduce编程计算模型,提出了一种基于MapReduce的新型用户影响力排名算法——QRank。在Hadoop平台上的实验结果表明,QRank算法具有良好的可扩展性,能够有效结合微博用户关系网络与行为特性,从而更加真实与充分地反映用户的实际影响力。

网页排名算法及其应用

介绍了Google搜索引擎中所使用的网页等级量化算法——PageRank算法及计算结果的评价方法。用一个计算实例系统介绍了算法原理、计算过程、分析方法、以及MATLAB实现程序。

基于阻尼系数和个性化向量修正的排序模型

基于非负矩阵的特征值理论,研究了Google搜索模型中阻尼系数和个性化向量对PageRank排序结果的影响,建立了两个相应的排序模型,并通过数值例子验证所得到的结果.

PageRank算法的原理简介

在介绍PageRank算法基本思想、基本公式和计算实例的基础上,介绍如何利用PageR— ank算法提高网页PR的方法,最后指出PageRank算法存在的不足,并对其发展趋势进行分析。