Folksonomy-Adapted PageRank First w

Folksonomy-Adapted PageRank First we convert the folksonomy F=(U,T,R,Y) into an undirected tri-partite graph GF =(V,E). The set V of nodes of the graph consists of the disjoint union of the sets of tags, users and resources (i. e., V =U??T??R). All co-occurrences of tags and users, users and resources, tags and resources become edges between the respective nodes. I. e., each triple (u, t, r) in Y gives rise to the three undirected edges {u, t}, {u, r}, and {t, r} in E.

Like PageRank, we employ the random surfer model, that is based on the idea that an idealized random web surfer normally follows links (e. g., from a resource page to a tag or a user page), but from time to time jumps to a new node without following a link. This results in the following definition.

The rank of the vertices of the graph is computed (like in PageRank) with the weight spreading computation

Results (Thai) 1:

โฟล์กโซโนมีดัดแปลงรถเข้าครั้งแรกที่เราแปลงโฟล์กโซโนมี F=(U,T,R,Y) ในการ undirected ตรีฟุตบอลกราฟ GF = (V, E) ชุด V โหนของกราฟประกอบด้วยการเคลื่อนตัวของชุดของแท็ก ผู้ใช้ และทรัพยากร (i. e., V = U ?? T ?? R) การเกิดร่วมทั้งหมดของแท็ก และผู้ใช้ ผู้ใช้ และทรัพยากร แท็ก และทรัพยากรเป็น ขอบระหว่างโหนดที่เกี่ยวข้อง I. e. แต่ละทริปเปิ้ล (u, t, r) ใน Y ให้ขึ้นสามขอบ undirected {u, t }, {u, r }, และ {t, r } ในอีเช่นรถเข้า เราจ้างนักท่องสุ่มแบบ ตามความคิดที่ว่า เป็นนักท่องเว็บ idealized สุ่มปกติตามลิงค์ (e. กรัม หน้าทรัพยากรการแท็กหรือหน้าผู้ใช้), แต่เวลากระโดดโหนใหม่ โดยไม่มีการเชื่อมโยงต่อไปนี้ ซึ่งผลลัพธ์ในคำนิยามต่อไปนี้ลำดับของจุดยอดของกราฟที่คำนวณ (เช่นในรถเข้า) กับน้ำหนักที่คำนวณการแพร่กระจาย

Results (Thai) 2:

folksonomy-ดัดแปลง PageRank ครั้งแรกที่เราแปลง folksonomy F = (U, T, R, Y) ลงในแบบไร้ทิศทาง GF กราฟไตรภาคี = (V, E) V ชุดของโหนดของกราฟประกอบด้วยสหภาพเคลื่อนของชุดของแท็กที่ผู้ใช้และทรัพยากร (เช่น V = T U ?? ?? R) ทั้งหมดที่เกิดขึ้นร่วมของแท็กและผู้ใช้ผู้ใช้และทรัพยากร, แท็กและทรัพยากรที่เป็นขอบระหว่างโหนดที่เกี่ยวข้อง I. e. แต่ละสาม (มึง, เสื้อ, R) ใน Y ก่อให้เกิดสามขอบ undirected {u, t}, {u, r} และ {t, r} ในอีเช่น PageRank เราจ้าง รูปแบบนักท่องสุ่มที่อยู่บนพื้นฐานความคิดที่ว่านักท่องเว็บแบบสุ่มเงียบสงบตามปกติต่อไปนี้การเชื่อมโยง (เช่นจากหน้าทรัพยากรให้กับแท็กหรือหน้าผู้ใช้) แต่เมื่อเวลาผ่านไปกระโดดไปโหนดใหม่โดยไม่ต้องเชื่อมโยงต่อไปนี้ ซึ่งจะส่งผลในความละเอียดดังต่อไปนี้. ตำแหน่งของจุดของกราฟคำนวณ (เหมือนใน PageRank) ที่มีน้ำหนักในการคำนวณการแพร่กระจาย

Results (Thai) 3:

โฟล์คโซโนมีดัดแปลง PageRank แรกเราแปลงโฟล์คโซโนมี F = ( u , T , R , Y ) เป็น undirected ตรีซึ่งแบ่งออกเป็นส่วนๆกราฟ GF = ( V , E ) ชุดที่ 5 ของโหนดในกราฟประกอบด้วยยู่สหภาพชุดของแท็กที่ผู้ใช้และทรัพยากร ( เช่น , V = u ? t ? ? R ) เกิดขึ้นทั้งหมด Co ของแท็กและผู้ใช้ทรัพยากรของผู้ใช้และแท็กและทรัพยากรเป็นขอบระหว่างโหนดนั้นๆ เช่น แต่ละสาม ( U , T ,r ) Y ให้สูงขึ้นไปสาม undirected ขอบ { u , T } { u , r } และ { T , r } E .

ชอบ PageRank , เราจ้างเค้าสุ่มรูปแบบ , ที่อยู่บนพื้นฐานของความคิดที่เป็นนักท่องเว็บปกติตามการเชื่อมโยงแบบอุดมคติ ( เช่น จาก ทรัพยากรหน้าแท็กหรือหน้าผู้ใช้ ) แต่เวลากระโดดไปที่ปมใหม่ โดยต่อไปนี้การเชื่อมโยง ผลนี้ในคำนิยามต่อไปนี้

อันดับของจุดยอดของกราฟจะคำนวณ ( เหมือนใน PageRank ) ด้วยน้ำหนักกระจายการคำนวณ