Pular para o conteúdo principal

Métricas de ranqueamento (grau de importância dos nós) em redes - Centrality Measures

PageRank

Premissas
Um link na web é um sinal de qualidade já o autor do link pensa que a página referenciada é de alta qualidade
O texto âncora descreve o conteúdo da página referenciada

PageRank = taxa de visita a longo prazo da página dê a probabilidade que um navegador aleatório tem de estar na página d em um dado momento

Esta métrica classifica os vértices de acordo com seu grau e a classificação dos vértices adjacentes a ele. Para obter um score alto utilizando esta métrica é necessário se relacionar com vértices de score alto e que estes vértices, por sua vez, também se relacionem com vértices de alto score.

Aplicação: Grafo de Citações
Medir a similaridade de dois artigos pelos artigos citados por ambos ou artigos em comuns citando ambos. Frequência de citação ponderada ou rank de citações é um exemplo do uso de Page Rank.  

Mais sobre PageRank em CS224W -> http://web.stanford.edu/class/cs224w/slides/04-pagerank.pdf e no vídeo -> https://youtu.be/TU0ankRcHmo

Hub e Authority

As métricas Hub e Authority são interdependentes. Para cada vértice i, o coeficiente de Hub é obtido realizando-se a soma do score Authority dos vértices que o vértice i aponta. De forma similar, o coeficiente de Authority de um vértice j é obtido realizando-se a soma dos scores Hub dos vértices que apontam para o vértice j.

HITS – Hyperlink-Induced Topic Search

Dois tipos de relevância na web
Tipo 1: Hubs. Uma página hub é uma boa lista de [links para páginas adequadas à necessidade de informação].
Exemplo: Para a consulta [chicago bulls]: a lista do Bob de fontes recomendadas sobre o time Chicago Bulls
Tipo 2: Autoridades. Uma página de autoridade é uma resposta direta à necessidade de informação
Exemplo: A home page do Chicago Bulls

Por definição links para páginas de autoridade ocorrem nas páginas hubs e a maior parte das abordagens para busca (incluindo o ranking PageRank) não fazem distinção dos dois tipos de relevância.

Uma boa página hub para um tópico linka para muitas páginas de autoridade para aquele tópico
Uma boa página de autoridade para um tópico é linkado por muitas páginas hub para aquele tópico

J. M. Kleinberg, “Hubs, authorities, and communities,”ACM ComputingSurveys, vol. 31, no. 4, p. 5, 1999

http://www.facom.ufu.br/~albertini/1sem2013/ori/slides/21link-leitura.pdf

 

 

Marcadores:

Comentários

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Aprendizado de Máquina Relacional

 Extraído de -> https://www.lncc.br/~ziviani/papers/Texto-MC1-SBBD2019.pdf   Aprendizado de máquina relacional (AMR) destina-se à criação de modelos estatísticos para dados relacionais (seria o mesmo que dados conectados) , isto é, dados cuja a informação relacional é tão ou mais impor tante que a informação individual (atributos) de cada elemento.    Essa classe de aprendizado tem sido utilizada em diversas aplicações, por exemplo, na extração de informação de dados não estruturados [Zhang et al. 2016] e na modelagem de linguagem natural [Vu et al. 2018].   A adoção de técnicas de aprendizado de máquina relacional em tarefas de comple mentação de grafo de conhecimento se baseia na premissa de existência de regularidades semânticas presentes no mesmo . Modelos grafos probabilísticos  Baseada em regras / heurísticas que não podem garantir 100% de precisão no resultado da inferência mas os resultados podem ser explicados. Modelos de características de ...
Postar um comentário
Leia mais

Defesa de Doutorado de Grettel Monteagudo Garcia

A última atividade presencial que fiz na PUC-Rio foi assistir a defesa de tese da Grettel Monteagudo Garcia , em 13/03/2020 (uma sexta-feira 13 !!!!). O título da tese é “ A Keyword-based Query Processing Method for Datasets with Schemas ” e me interessou por causa do projeto do NIMA. A proposta parte do cenário onde usuários possam consultar dados, armazenados em bancos de dados relacionais e TripleStores, de maneira semelhante ao Google, ou seja, digitando palavras-chave, e deixando para o sistema recuperar os dados que melhor correspondem ao conjunto de palavras-chave.  Na tese estão descritos um algoritmo e um framework projetados para processar consultas baseadas em palavras-chave para bases de dados com esquema, especificamente bancos relacionais e bases de dados em RDF. A primeira etapa do algoritmo é a conversão do conjunto de palavras chaves em uma consulta abstrata explorando um esquema abstrato . Nesta etapa o principal desafio é achar onde a informação está (os matches...
4 comentários
Leia mais

Metodologia Científica II - continuação

No primeiro post  foram detalhados os 6 primeiros vídeos do canal do Youtube do professor Eduardo Ogasawara do CEFET/RJ   Mais 3 vídeos foram disponibilizados e estão comentados a seguir: Gráficos, Figuras e Tabelas (33 minutos) - como apresentar os resultados das avaliações experimentais. Gráficos: associar análises dos resultados a cada gráfico apresentado, problemas comuns na montagem de gráficos (não usar todo eixo X ou Y, não usar área útil com uma escala adequada a ver o comportamento dos números, não marcar os pontos de observação da série, inconsistência no uso de cores ), escala logarítmica x linear, eixo X para a variável independente e Y para a dependente (resposta), escrever boas legendas para os gráficos, observar se diferenças entre variáveis apresentadas em gráficos separados podem atrapalhar a interpretação dos resultados. Diagramas devem ser pensados de acordo com o propósito, trata-se de uma abstração e cada elemento deve ser explicado no texto, rótulos...
1 comentário
Leia mais