19.4.2.2 FolkRankThe web search alg

19.4.2.2 FolkRank
The web search algorithm PageRank [2] reflects the idea that a web page is important if there are many pages linking to it, and if those pages are important themselves. 12 In [12], Hotho et al. employed the same underlying principle for Googlelike search and ranking in folksonomies. The key idea of the FolkRank algorithm is that a resource which is tagged with important tags by important users becomes important itself. The same holds, symmetrically, for tags and users. We have thus a graph of vertices which are mutually reinforcing each other by spreading their weights. In this section we briefly recall the principles of the FolkRank algorithm, and explain how it can be used for generating tag recommendations.

Because of the different nature of folksonomies compared to the web graph (undirected triadic hyperedges instead of directed binary edges), PageRank cannot be applied directly on folksonomies. In order to employ a weight-spreading ranking scheme on folksonomies, we overcome this problem in two steps. First, we transform the hypergraph into an undirected graph. Then we apply a differential ranking approach that deals with the skewed structure of the network and the undirectedness of folksonomies, and which allows for topic-specific rankings.

Results (Thai) 1:

19.4.2.2 FolkRankตอนวิธีการค้นหาเว็บรถเข้า [2] แสดงให้เห็นถึงความคิดที่เว็บเพจมีความสำคัญเชื่อมโยงกับหลาย ๆ และ ถ้าเพจเหล่านั้นมีความสำคัญตัวเอง 12 ใน [12], Hotho และ al. ทำงานหลักการพื้นฐานเดียวกัน Googlelike ค้นหาและจัดอันดับใน folksonomies ความคิดหลักของอัลกอริทึม FolkRank เป็นว่า ทรัพยากรที่ติดแท็ก ด้วยแท็กสำคัญสำคัญผู้จะสำคัญตัวเอง เดียวกันถือ ตำแหน่ง แท็กและผู้ใช้ เราจึงได้กราฟของจุดยอดซึ่งจะกันเสริมกัน ด้วยการกระจายน้ำหนัก ในส่วนนี้ เราสั้น ๆ เรียกคืนหลักของอัลกอริทึม FolkRank และอธิบายวิธีการใช้สำหรับการสร้างป้ายคำแนะนำการเนื่องจาก มีลักษณะแตกต่างกันของ folksonomies เมื่อเทียบกับกราฟของเว็บ (undirected triadic hyperedges แทนขอบไบนารีโดยตรง), ไม่สามารถใช้รถเข้าบน folksonomies การใช้แผนการจัดอันดับกระจายน้ำหนักบน folksonomies เราเอาชนะปัญหานี้ในสองขั้นตอน ครั้งแรก เราแปลง hypergraph ที่เป็นกราฟการ undirected แล้ว เรานำไปใช้แตกต่างกันที่วิธีการที่เกี่ยวข้องกับโครงสร้างของเครือข่ายบิดและ undirectedness ของ folksonomies และซึ่งทำให้การจัดอันดับเฉพาะหัวข้อการจัดอันดับ

Results (Thai) 2:

19.4.2.2 FolkRank
PageRank ขั้นตอนวิธีการค้นหาเว็บ [2] สะท้อนให้เห็นถึงความคิดที่ว่าหน้าเว็บเป็นสิ่งสำคัญหากมีหลายหน้าเชื่อมโยงไปและหากหน้าเว็บเหล่านั้นมีความสำคัญตัวเอง 12 [12], et al, Hotho ลูกจ้างหลักการพื้นฐานเดียวกันสำหรับการค้นหา Googlelike และการจัดอันดับใน folksonomies ความคิดที่สำคัญของอัลกอริทึม FolkRank คือทรัพยากรซึ่งเป็นที่ติดแท็กด้วยแท็กที่สำคัญโดยผู้ใช้ที่สำคัญกลายเป็นสิ่งสำคัญของตัวเอง เดียวกันถือ, สมมาตร, สำหรับแท็กและผู้ใช้ เรามีจึงกราฟของจุดที่มีการร่วมกันเสริมซึ่งกันและกันโดยการกระจายน้ำหนักของพวกเขา ในส่วนนี้เราเรียกสั้น ๆ หลักการของอัลกอริทึม FolkRank และอธิบายวิธีการที่จะสามารถนำมาใช้สำหรับการสร้างคำแนะนำแท็ก. เพราะธรรมชาติที่แตกต่างกันของ folksonomies เมื่อเทียบกับกราฟเว็บ (hyperedges triadic undirected แทนขอบไบนารีกำกับ) PageRank ไม่สามารถ นำมาใช้โดยตรงใน folksonomies เพื่อที่จะจ่ายค่าจ้างให้น้ำหนักการแพร่กระจายโครงการการจัดอันดับใน folksonomies เราเอาชนะปัญหานี้ในสองขั้นตอน ครั้งแรกที่เราเปลี่ยน Hypergraph เป็นกราฟแบบไร้ทิศทาง จากนั้นเราใช้วิธีการจัดอันดับความแตกต่างที่เกี่ยวข้องกับโครงสร้างเบ้ของเครือข่ายและ undirectedness ของ folksonomies และซึ่งจะช่วยให้การจัดอันดับเฉพาะหัวข้อ

Results (Thai) 3:

19.4.2.2 folkrank
เว็บค้นหาเพจแรงก์ [ 2 ] สะท้อนให้เห็นถึงความคิดที่หน้าเว็บเป็นสิ่งสำคัญหากมีหลายหน้า เชื่อมโยง และถ้าหน้าเว็บเหล่านั้นที่สำคัญด้วยตนเอง 12 [ 12 ] hotho et al . ใช้หลักการพื้นฐานเดียวกัน googlelike ค้นหาและจัดอันดับใน folksonomies .ความคิดที่สำคัญของ folkrank ขั้นตอนวิธีคือทรัพยากรที่สำคัญโดยผู้ใช้แท็กด้วยแท็กที่สำคัญเป็นสำคัญนั่นเอง เดียวกัน ถือเป็นตายร้ายดี , แท็กและผู้ใช้ เราได้ดังนั้นกราฟของจุดซึ่งจะร่วมกันเสริมแต่ละอื่น ๆโดยการกระจายน้ำหนักของพวกเขา ในส่วนนี้เราสั้นจำ หลักการของ folkrank ขั้นตอนวิธีและอธิบายว่า มันสามารถใช้สำหรับการสร้างข้อเสนอแนะแท็ก

เนื่องจากลักษณะที่แตกต่างกันของ folksonomies เมื่อเทียบกับเว็บกราฟ ( undirected triadic hyperedges แทนการประดับประดาไบนารี ) , PageRank ไม่สามารถใช้โดยตรงใน folksonomies . เพื่อที่จะใช้น้ำหนักกระจายโครงการอันดับที่ folksonomies เราเอาชนะปัญหานี้ในขั้นตอนที่สอง ครั้งแรกเราแปลงไฮเปอร์กราฟในกราฟไม่ระบุทิศทาง . แล้วเราใช้วิธีการที่แตกต่างกันที่เกี่ยวข้องกับการบิดเบือนโครงสร้างของเครือข่าย และ undirectedness ของ folksonomies และซึ่งช่วยให้อันดับเฉพาะหัวข้อ