打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
PageRank算法
(查看源代码)
2020年4月24日 (五) 18:40的版本
添加49字节
、
2020年4月24日 (五) 18:40
→邻接函数 Adjacency functionc
第606行:
第606行:
====邻接函数 Adjacency functionc====
====邻接函数 Adjacency functionc====
−
邻接函数,<math>\zeta(p_{1},p_{2})</math>
组成了矩阵M
+
邻接函数,<math>\zeta(p_{1},p_{2})</math>
组成了矩阵<math> M </math>
第621行:
第621行:
以节点G为例,G给B和E投票,所以B得到1/2。
以节点G为例,G给B和E投票,所以B得到1/2。
−
矩阵M每一列加起来都是1(值得注意的是,对于没有出链的节点,列加起来等于0,比如图1的节点A),即
:
+
矩阵<math> M </math>每一列加起来都是1(值得注意的是,对于没有出链的节点,列加起来等于0,比如图1的节点A),即
:
+
+
:<math>\sum^{N}_{i=1}\imath (p_{i}, p_{j}) = 1</math>
:<math>\sum^{N}_{i=1}\imath (p_{i}, p_{j}) = 1</math>
−
事实上,M是一个转移矩阵transition
matrix(也叫概率矩阵probability matrix,马尔可夫矩阵Markov matrix)。因此,PageRank是eigenvector centrality的一个变体。
+
+
+
事实上,<math> M </math>是一个转移矩阵transition
matrix(也叫概率矩阵probability matrix,马尔可夫矩阵Markov matrix)。因此,PageRank是eigenvector centrality的一个变体。
====矩阵M====
====矩阵M====
薄荷
7,129
个编辑