【发布时间】：2016-11-09 20:53:49
【问题描述】：
我一直在尝试深入了解个性化页面排名算法及其工作原理。我遇到了this paper，它给出了这个图表：see link to image below，权重由 PPR 计算。我无法使用他们提供的模型重现计算。
谁能帮我解释一下这个概念？
谢谢！
【问题讨论】：
标签： recommendation-engine pagerank
【发布时间】：2016-11-09 20:53:49
【问题描述】：
这篇论文是个性化页面排名的一个很好的参考。基本上我的理解，ppr分数告诉你从源节点移动到目标节点的概率。它是一个特定的分数，描述了图中特定源节点和目标节点之间的关系。
如果重现结果有问题，可以在 python 中使用 networkx，加载图形并使用计算 ppr networkx.pagerank（图，个性化={'a':0, 's':1, 'b':0....}） Networkx 使用幂迭代法计算 ppr，可以得到如示例所示的精确结果。
这篇论文的作者这里有c++代码https://github.com/snap-stanford/snap/blob/master/snap-core/randwalk.h由于这个方法是基于随机游走的方法，你不能得到与例子中完全相同的结果，但是排名是正确的。
希望对您有所帮助。
【讨论】：