基于改进PageRank算法的跨链公证人机制评价模型

跨链技术是区块链领域研究和关注的热点,公证人机制是一种典型的跨链技术手段。针对公证人机制中存在节点信用监督不足的问题,构建基于改进PageRank算法的公证人节点信用评价模型。收集多种公证人节点相关信息,利用改进的PageRank算法对公证人节点进行信用计算,得到高可信的公证人节点,从而保证区块链系统安全稳定。将用户评价和节点本身信息进行综合分析和相互验证,使得公证人机制更加安全可信。实验结果表明,该评价模型在跨链公证人机制中具有良好的应用和评估效果。

基于PageRank的社交网络影响最大化传播模型与算法研究

社交网络中影响最大化问题是指找出最具有影响力的k个节点,使得最终社交网络中被影响的节点最多,信息传播范围最大。针对影响最大化问题,目前已存在一些基本传播模型,但是这些模型没有考虑网络中节点的相关性和重要性,而网络中节点的相关性和重要性是衡量其影响力的一个重要指标,因此,提出了一种基于网页排名算法的信息传播模型(PageRank-based Propagation Model,PRP),然后利用贪心算法来近似求解影响最大化问题。实验结果表明,基于PageRank的传播模型解决影响最大化问题的效果比传统的线性阈值模型、加权级联模型和独立级联模型的效果更好,影响力范围更大。

基于MapReduce的PageRank算法的研究

在对PageRank算法进行研究的基础上,利用MapReduce编程模型思想对PageRank算法进行改进,设计了在云平台Hadoop环境下运行的基于MapReduce的PageRank分布式并行算法,并在实验中对不同规模的Web图数据集进行了测试,分析不同的Blocksize参数对于算法计算性能的作用以及集群节点数目对于算法运行效率的影响.

新的PageRank优化算法

为了克服PageRank在搜索过程中重复性地把当前受欢迎的网页放在搜索结果的首要位置,而不受欢迎的网页被大多数用户忽略的问题,采用了一种改进的评估函数及有效的用户模型,获得了一个新的PageRank优化算法。实验结果表明,该算法达到了较好的公平性。

Nutch中PageRank的并行实现

针对目前Nutch搜索引擎中没有实现PageRank计算的缺憾,在分析和研究经典PageRank算法的基础上,通过设置控制站外与站内链接的比重因子对该算法进行了改进。利用MapReduce处理大数据集的优势,在Nutch机群系统上设计并实现了基于MapReduce的PageRank分布式并行算法。实验结果表明,处理的数据量越大,机群中的节点越多,计算PageRank的效率越高;另外,该分布式并行算法具有较好的可扩展性。

基于改进PageRank的BA演化模型

针对原始BA模型择优连接概率决定因素的缺陷,即只从节点的度来衡量节点的重要性,提出了使用改进的节点的PageRank值来替代节点的度来衡量节点重要性的方法,建立了采用改进的节点PageRank值作为择优连接概率决定因素的扩展的BA演化模型。该演化模型的度分布呈现幂律分布,与原始的BA模型进行比较得出更优的统计特性,仿真实验结果表明了此模型的正确性与可行性。

基于页面分块模型的PageRank算法研究

提出了一个基于页面分块重要性模型的PageRank改进算法。该算法考虑同一页面内属于不同分块的出链接有着不同的重要性,故对不同分块的出链接赋予相应的权重,从而更合理、更公正、更有效地计算页面的PageRank值。与以往的PageRank算法及其改进算法相比,该算法以基于视觉特征的页面分块算法为核心,更好地反映了网页的特性,符合了用户的使用习惯,具有良好的效果。

基于用户行为的改进PageRank影响力算法

PageRank算法在计算用户影响力方面只考虑用户间的跟随关系,导致计算结果准确性低下。为此,提出一种将用户行为因素与PageRank算法相结合的URank算法。利用网络中用户发布信息的转发率、评论率以及是否认证等行为因素,综合用户自身质量与追随者质量,得到用户影响力。基于SIR传播模型的实验结果表明,URank算法在计算准确性方面优于PageRank算法。

LeaderRank与PageRank算法比较研究

确定复杂网络中节点的影响力对于网络上信息传播及网络营销等具有重要的价值。Page Rank算法和LeaderRank算法是两种著名的对复杂网络中节点进行重要性排序的算法。分别使用这两种算法对斯洛伐克最流行的在线社会网络Pokec中的用户进行了重要性排序。与度中心性指标排序结果进行对比,分析了这种排序结果出现的原因。并使用经典的疾病传播模型SIR模型对这两种算法进行了信息传播的仿真模拟,仿真结果显示LeaderRank算法用于在线社会网络节点重要性排序效果更好。

能见度与缺失分析的改进PageRank算法

本文在对PageRank进行分析的基础上,提出了基于链接能见度和缺失分析的改进PageRank算法,该算法根据链接不同特性赋予它不同的点击概率,同时分析了缺失率产生的原因并提出相关改进措施。通过试验系统的收集了四个数据集合上证明该算法较原PageRank在缺失率上会下降,且计算性能效率会提高。

融合VSM技术的PageRank算法研究与应用

为解决PageRank算法存在的"主题漂移"问题,本文提出一种融合VSM(向量空间模型)技术的改进方法。首先根据网页的链接结构计算PageRank值,然后建立网页的内容特征向量空间,计算主题内容相似度,最后将这两个值按一定的权重系数进行融合计算,产生新的PageRank值。经过对比实验证明,改进后的PageRank算法减少了无关网页的数量,为搜索引擎提供了更好的排序结果。

基于局部联合矩阵转移的PageRank图个性化分析

为提高图分析中PageRank模型的计算效率,提出基于联合局部敏感转移矩阵的PageRank模型改进形式。设计联合局部及边界的局部个体转移矩阵,将计算限定在图局部,降低节点参与转移矩阵的计算数量,提高计算效率,为保证算法精度,给出该方式的补偿矩阵;在矩阵计算过程中,考虑可重复利用矩阵计算的再利用问题,降低计算的重复性,进一步提高计算效率,给出所设计算法的计算复杂度分析。在标准数据集中的仿真测试结果表明,与FRWR和GMES等算法相比,所提算法具有更高的计算精度和效率。

基于改进PageRank算法的微博影响力模型研究

由于Page Rank算法主要是根据网页之间的相互链接关系来计算网页的重要性得分,因此不能直接应用到微博网络来计算用户的影响力,从而本文在Page Rank算法的基础上,引入微博网络中用户的活跃度、博文质量以及关于位置的结构相似性等指标,建立适用于微博网络的用户影响力量化模型——Influence_Index。通过实验发现Influence_Index模型结果的影响力排名前十五的用户,其中有4位出现在被该网络用户公认的5位最具影响力用户的名单中。由此看出该模型的结果具有较高的准确性可以较好的识别出网络中具有影响力的用户,具有较高的推广意义。同时发现增加原创博文量、关注数量和粉丝量对提升用户的影响力有着显著作用。

基于改进PageRank算法和spin-glass模型的多角度识别可控的社区发现算法

针对如何有效解决社区发现算法中的社区重叠问题,以及如何改善社区扩张模式,提出了一种基于改进Page Rank算法和spin-glass模型的多角度识别可控的社区发现算法(PRSGMFCA)。首先通过优化的Page Rank算法对每一个节点排序,确定其中的核心节点;再通过基于Potts spin-glass模型的多角度识别模块度优化局部社区的扩张模式,解决传统模块度在分辨率极限方面的束缚和影响;同时在发现过程中,引入改进的贪心迭代算法发现局部社区;最后实现准确地发现重叠结构与节点。经过在计算机模拟网络与真实网络环境下应用比较分析,PRSGMFCA与传统的技术方案相比具有较好的稳定性与正确率,并且其算法复杂度也在可以接受的范围内。

微博环境下基于用户行为与主题相似度的改进PageRank算法

针对传统PageRank算法存在主题漂移、网页权值均分等问题,提出一种改进的PageRank算法。为提高用户查询效率和搜索质量,结合时间反馈因子对用户转发、用户评论和微博提及行为进行综合分析,采用统计分析方法对用户行为在微博用户影响力排序中的贡献进行度量,并利用改进的TF-IDF算法计算主题相似度权值使用户能够选择相关度较高的网页,从而获得相对应的PageRank权值。实验结果表明,与微博常用排序算法相比,改进PageRank算法具有更好的用户影响力排序效果。

PageRank算法研究

简要分析了PageRank算法的思想及其不足,对国内外研究工作者的改进算法进行了分类,比较了它们的优缺点。对未来的研究方向进行了展望,给出了若干值得研究的问题。

基于空间化PageRank算法的人口流动空间集聚性分析

提出了一种基于空间化PageRank算法的人口流动空间集聚性分析方法。在PageRank算法的基础上增加空间节点间要素流量大小(F)的加权作用以及距离因子(Dst)所引起的流动成本和阻力效应,使该算法具备针对空间网络模型的分析能力,通过对人口流动网络模型中的节点进行集聚性排序,描述人口流动的空间特征。以华东六省一市人口流动状况为例,PR值、区域人口总流入量(RTI)和流动人口密度区位商(MLQ)的计算结果对比表明:空间化PageRank算法可以客观地评估空间节点吸引力,并弥补了总流入量等简单人口学统计指标对于现象背后驱动机制表达不足的缺点。

基于Google PageRank算法的围棋棋手排名方法

文中通过对PageRank算法的详细分析,以及对随机冲浪模型的讨论,介绍了基于Google PageRank算法的围棋棋手排名方法,根据棋手的PageRank值对棋手进行排名。从实验的客观性和稳定性上对排名结果进行分析,实验结果表明该算法在围棋棋手排名上具有良好的客观性和稳定性。

一种考虑用户行为的改进N—PageRank算法

针对Google PageRank算法中存在的"平均分配原则"及网络链接结构所造成的"旧网页问题"、"主题漂移问题",提出一种改进的网页排序算法N-PageRank。该算法通过对搜索日志进行数据挖掘,捕捉用户与搜索引擎之间的交互过程,发现隐藏在用户搜索行为背后的用户兴趣和搜索规律,利用用户行为反馈模型,分析网络日志里用户的各项行为特点,改善了排序结果的准确率,保证了搜索引擎的返回结果正是用户所希望看到的网页。实验证明该算法有效地降低了网页排序时的客观因素的影响,充分考虑了用户对于网页质量的评价,所得到的排序结果更加能够满足用户的需求。

Evaluation of Microblog Users’ Influence Based on PageRank and Users Behavior Analysis

This paper explores the uses’ influences on microblog. At first, according to the social network theory, we present an analysis of information transmitting network structure based on the relationship of following and followed phenomenon of microblog users. Informed by the microblog user behavior analysis, the paper also addresses a model for calculating weights of users’ influence. It proposes a U-R model, using which we can evaluate users’ influence based on PageRank algorithms and analyzes user behaviors. In the U-R model, the effect of user behaviors is explored and PageRank is applied to evaluate the importance and the influence of every user in a microblog network by repeatedly iterating their own U-R value. The users’ influences in a microblog network can be ranked by the U-R value. Finally, the validity of U-R model is proved with a real-life numerical example.