黑洞度量：克服 PageRank 归一化问题
社会与信息网络
2018-02-16 v1 信息检索
物理与社会
摘要
在网络科学中，经常需要对图节点进行排序。虽然排序策略可能不同，但一般而言排序是通过利用网络结构来进行的。特别地，度量 PageRank 在过去十年中以不同方式被用于基于指向特定节点的邻居数量产生排序。PageRank 简单、易于计算且在许多应用中有效，但它有一个代价：由于 PageRank 是随机游走者的一种应用，弧权重需要被归一化。这种归一化虽然必要，却引入了一系列不期望的副作用。本文中，我们提出一种名为黑洞度量（Black Hole Metric）的 PageRank 推广以缓解该问题。我们设计了一个副作用尤其影响排序的场景，在真实与合成网络中测试了新度量，并展示了结果。
引用
@article{arxiv.1802.05453,
title = {Black Hole Metric: Overcoming the PageRank Normalization Problem},
author = {Marco Buzzanca and Vincenza Carchiolo and Alessandro Longheu and Michele Malgeri and Giuseppe Mangioni},
journal= {arXiv preprint arXiv:1802.05453},
year = {2018}
}
备注
21 pages, 7 figures