PageRank算法的阻尼因子值

针对传统PageRank算法平均分配PageRank值给每个超链接网页这一缺陷,提出了改进的PageRank算法,并证明如果Web网的邻接矩阵P包含至少2个不可约闭子集,则非周期不可约矩阵的次特征值为d且至少2重.为了降低解PageRank近似解的误差和提高幂法的收敛速度,用lingo算得d取0.71,且知若采用改进的...     

求解PageRank问题的Arnoldi-PIO算法

PageRank算法能帮助用户快速、准确地在巨量杂乱无章的信息中检索出有用的信息.两步分裂迭代法是用幂法来修正内外分裂(power-inner-outer,PIO)迭代法以加速PageRank算法.基于两步分裂迭代法,将预处理思想运用于求解PageRank问题,提出了求解PageRank问题的深度重启的Arnoldi算法加速的两步分裂迭代法,然后对此算法的收敛性进行了证明.数值实验结果证明,该算法的计算速度要快于两步分裂迭代法.     

实对称矩阵特征值和特征向量的数值算法

结合幂法、反幂法和原点平移法的特点,给出求实对称矩阵特征值和特征向量的一种数值算法。提出的方法能有效地处理幂法、反幂法和原点平移法在迭代时可能出现的一些问题,并通过实例验证了本算法的有效性。     

求非负矩阵最大特征值与特征向量的C-W方法

幂法是求矩阵最大特征值及最大特征向量的经典方法.依据C-W函数及其理论,文章给出了求非负矩阵最大特征值及最大特征向量的有效迭代方法--C-W方法.论证了其收敛性,给出了其误差估计,并与幂法进行了比较. C-W方法算法简单,不必附加任何收敛条件.计算结果表明,C-W法的收敛速度比幂法快.     

对称张量特征值问题的一种预处理迭代算法

移位对称高阶幂法(shifted symmetric high order power method,SS-HOPM)是一种求解张量Z-特征值的著名迭代算法.用Newton法对该算法实施初值预条件处理,得到了对称张量特征值问题的一种Newton预条件移位对称高阶幂法(preconditioning SS-HOPM,PSS-HOPM).用两个数值例子验证并得出,与SS-HOPM相比,该算法在几乎不增加计算时间的条件下能计算出更多的特征值.     

一种适用于大规模的改进PageRank算法

在经典PageRank算法的基础上,提出了一种适用于大规模网页链接结构的改进PageRank算法-LSIPR。该算法利用大规模网页链接邻接矩阵的稀疏性,巧妙地使用了细胞数组,缩短了算法的计算时间和乘幂迭代的迭代次数。通过仿真实验表明,同改进PageRank算法、幂迭代PageRank算法和修正PageRank算法相比,LSIPR算法在大规模网页排名方面具有很好的收敛性,可以满足工程化应用的需求。     

实非对称矩阵部分特征值问题的对称算法

本文以幂法为基础,提出各特征值互异且欲求的部分最大特征值为实的实非对称矩阵特征值问题的对称算法,并给出收敛性证明.     

HSS迭代算法在求解矩阵最小特征时的应用

为了更加精确快速地求解M-矩阵线性方程组,引入了HSS迭代算法.利用了M-矩阵的特点,在反幂法的基础上采用了改进的算法,并在实际运算的过程中引入HSS迭代算法.在此基础上采用了HSS迭代方法,并将此算法拓展到了M-矩阵之中,并且证明了其收敛性.给定了矩阵在求解最小特征值时α的取值,并通过算例验证了该算法在应用于求解最小特征值时的可行性.     

张量扩展特征值的带位移幂法和共轭梯度法

针对与牛顿迭代相关的张量扩展特征值问题,在幂法的基础上,提出了求解特征值与特征向量的带位移幂法和共轭梯度法。分析了这两种算法的收敛性,并通过数值试验初步验证了其有效性,同时对两种算法进行了比较。     

行列式搜索法与解某类特征方程KX=λMX

本文针对K和M均为n阶实对称正定矩阵时的特征方程KX=λMX (A)的广义特征值及其相应的特征向量的求解问题,讨论了: 1.如何用行列式搜索法确定方程(A)在某个区间(0,μ)内的特征值的个数(其中μ>0)。2.反幂法求方程(A)的最小特征值和相应的特征向量的算法构造及其所构造的算法的收敛性问题。3.在行列式搜索法的基础上结合反幂法求方程(A)的任一个特征值的方法。4.初始迭代向量的生成方法,并严格证明了第P个初始迭代向量必能保证所构造的算法收敛到方程(A)的第P个特征值λ_p及其相应的特征向量φ_p。     

一种求解高阻尼PageRank问题的加权块Arnoldi算法

提出了一种加权块Arnoldi方法求解PageRank问题．为了加快算法的收敛速度，采用子空间迭代法作为加速策略．数值实验结果表明，当阻尼因子。靠近1时，提出的加速加权块Arnoldi算法比现有的一些Krylov子空间方法优越．     

基于相似度的快速网页排序算法

将经典的PageRank算法和汉明距离相似度算法结合,提出一种新的网页排序方法。通过结合汉明距离(Hamming distance)相似度算法,计算检索词和网页文本相似度,提高搜索查准率;在增加检索词的同义词的搜索过程中,通过改进汉明距离相似度算法,提高搜索查全率。实验结果表明,该方法与PageRank算法相比,拥有了更好的效果。     

基于加权词汇衔接的文档级机器翻译自动评价

在文档词汇衔接评价LC方法的基础上, 提出基于权重的LC, 即WLC, 该方法通过在文档词图上运行PageRank算法获得词汇权重。根据词性信息使得PageRank算法偏向特定的词汇, 并提出PWLC方法。实验表明, 在文档级别上, 所提出的两种方法与人工评价的相关度都优于LC; 融合两种方法后, BLEU和TER在文档级别上的评价性能有显著提高。     

PageRank-Pro: 一种改进的网页排序算法

根据网页点击信息改进了原有的PageRank算法, 利用Seidel迭代算法加快了迭代收敛 过程. 实验结果表明, 改进后的迭代算法效率提高23%左右.     

基于链接文本相关度的超链接算法

分析了超链接PageRank算法的不足．采用矢量空间模型计算检索关键词与超链接文本之间的相关度,提出了基于超链接文本相关度的超链接算法．实验结果表明,该算法可以提高PageRank算法的检索精确度．     

融入链接相关度策略的PageRank算法

为实现对网页更好地评分,提出了融入链接相关度策略的PageRank算法.以体现人工智能的当代经典PageRank算法为基础,分析其基本思想并指出其在对网页评分中存在的不足,通过引入相关度计算使链接标题的质量和其所指向网页的内容产生联系,实现在网页中各个链接之间的竞争.通过实验和分析,新的算法在不影响原算法的优点和效率的同时能更好地进行网页评分,在网页优先级算法上向人工智能和语义网又迈进了一步.     

基于PageRank算法的一种搜索引擎优化方法及实现

本文在介绍Google等搜索引擎最常用的PageRank搜索结果排名算法的基础上,提出了一种针对PageRank算法的搜索引擎优化方法,设计并用Java技术实现了一个采用此方法的搜索引擎优化工具。     

基于PageRank的主题过滤算法改进

对通用搜索引擎中的PageRank排序算法进行分析,针对原PageRank算法中主题漂移问题,提出一种与主题相关的改进算法,改进的PageRank值由链接重要性和内容重要性共同确定。     

TensorFlow solver for quantum PageRank in large-scale networks

Google PageRank is a prevalent algorithm for ranking the significance of nodes or websites in a network,and a recent quantum counterpart for PageRank algorithm ...     

PageRank高阶导向量的数学性质及其算法研究

提出了求解PageRank高阶导向量的两种新算法.讨论了PageRank问题系数矩阵的一些数学性质,并从理论上分析了两个公式求解PageRank高阶导向量的优劣.数值实验表明了新算法的数值性态.