where w is a weight vector with one

where w is a weight vector with one entry for each node in V, A is the row-stochastic version of the adjacency matrix13 of the graph GF defined above, p is the random surfer vector – which we use as preference vector in our setting, and d ? [0,1] is determining the strength of the influence of p. By normalization of the vector p, we enforce the equality ||w||1 = ||p||1. This14 ensures that the weight in the system will remain constant. The rank of each node is its value in the limit w := limt?wt of the iteration process.

For a global ranking, one will choose p = 1, i. e., the vector composed by 1’s. In order to generate recommendations, however, p can be tuned by giving a higher weight to the user node and to the resource node for which one currently wants to generate a recommendation. The recommendation T? (u, r) is then the set of the top n nodes in the ranking, restricted to tags.

As the graph GF is undirected, most of the weight that went through an edge at moment t will flow back at t+1. The results are thus rather similar (but not identical, due to the random surfer) to a ranking that is simply based on edge degrees. In the experiments presented below, we will see that this version performs reasonable, but not exceptional. This is in line with our observation in [12] which showed that the topic-specific rankings are biased by the global graph structure. As a consequence, we developed in [12] the following differential approach.

FolkRank – Topic-Specific Ranking The undirectedness of graph GF makes it very difficult for other nodes than those with high edge degree to become highly ranked, no matter what the preference vector is. This problem is solved by the differential approach in FolkRank, which computes a topic-specific ranking of the elements in a folksonomy. In our case, the topic is determined by the

Results (Thai) 1:

โดยที่ w คือ เวกเตอร์น้ำหนักกับหนึ่งรายการสำหรับแต่ละโหนดใน V คือ รุ่น matrix13 adjacency ของกราฟ GF กำหนดข้างแถวสโทแคสติก p คือ เวกเตอร์สุ่มนักท่องซึ่งเราใช้เป็นเวกเตอร์ที่กำหนดลักษณะในการตั้งค่า d [0,1] คือการกำหนดความแข็งแรงของอิทธิพลของ p โดยการฟื้นฟูของเวกเตอร์ p เราบังคับความเสมอภาค || w|| 1 = || p|| 1. This14 มั่นใจว่า น้ำหนักในระบบจะคง ลำดับที่ของแต่ละโหนดเป็นค่าใน w วงเงิน: = limt ? ละเว้นการเกิดซ้ำสำหรับการจัดอันดับโลก หนึ่งจะเลือก p = 1, i. e. เวกเตอร์ที่ประกอบ ด้วย 1 เพื่อสร้างคำแนะนำ แต่ p สามารถถูกปรับให้น้ำหนักสูงกว่าผู้ใช้โหนด และโหนทรัพยากรซึ่งปัจจุบันใครอยากสร้างแนะนำ แนะนำ T (u, r) จะแล้วชุดของโหนด n สูงสุดในการจัดอันดับ จำกัดแท็กเป็นกราฟ GF undirected ส่วนใหญ่ของน้ำหนักที่ไปผ่านขอบที่ช่วงเวลา t จะไหลกลับที่ t + 1 ผลลัพธ์ค่อนข้างคล้ายกัน (แต่ไม่เหมือน กัน จากนักท่องสุ่ม) การจัดอันดับก็ตามองศาขอบ ในการทดลองที่แสดงด้านล่าง เราจะเห็นว่า รุ่นนี้มีประสิทธิภาพเหมาะสม ท่อง อยู่กับเราสังเกตใน [12] ซึ่งแสดงให้เห็นว่า จะลำเอียงจัดอันดับหัวข้อเฉพาะ โดยโครงสร้างกราฟโลก ผล เราพัฒนาใน [12] วิธีการแตกต่างต่อไปนี้FolkRank – undirectedness ของกราฟ GF จัดอันดับหัวข้อเฉพาะทำให้มันยากมากสำหรับโหนมากกว่าผู้ที่มีขอบสูงปริญญาเพื่อเป็นการจัดอันดับสูง ไม่ชอบเวกเตอร์คืออะไร ปัญหานี้จะแก้ไขได้ ด้วยวิธีแตกต่างใน FolkRank การคำนวณการจัดอันดับหัวข้อเฉพาะขององค์ประกอบในแบบโฟล์กโซโนมี ในกรณี หัวข้อเป็นไปตาม

Results (Thai) 2:

ที่กว้างเป็นเวกเตอร์ที่มีน้ำหนักหนึ่งรายการสำหรับแต่ละโหนดในวีเป็นรุ่นแถวสุ่มของถ้อยคำ matrix13 ของกราฟ GF กำหนดไว้ข้างต้นพีเป็นนักท่องสุ่มเวกเตอร์ - ที่เราใช้เป็นเวกเตอร์ตั้งค่าในการตั้งค่าของเรา และ d? [0,1] คือการกำหนดความแข็งแรงของอิทธิพลของ p ตามมาตรฐานของพีเวกเตอร์ที่เราบังคับเท่าเทียมกัน || W = 1 || || || พี 1 This14 เพื่อให้แน่ใจว่าน้ำหนักในระบบจะยังคงอยู่อย่างต่อเนื่อง ตำแหน่งของแต่ละโหนดเป็นค่าในการ จำกัด w:. = limt ?? น้ำหนักของกระบวนการซ้ำสำหรับการจัดอันดับโลกหนึ่งจะเลือก p = 1 คือเวกเตอร์ประกอบด้วย 1 เพื่อที่จะสร้างข้อแนะนำ แต่พีสามารถปรับโดยให้น้ำหนักที่สูงขึ้นไปยังโหนดผู้ใช้และยังโหนดทรัพยากรสำหรับเป็นที่หนึ่งในขณะนี้ต้องการที่จะสร้างข้อเสนอแนะ คำแนะนำ T? (มึง R) หลังจากนั้นก็เป็นชุดของโหนด n ชั้นนำในการจัดอันดับที่ จำกัด ให้แท็ก. ในฐานะที่เป็นแฟนกราฟไม่มีทิศทางเป็นส่วนใหญ่ของน้ำหนักที่เดินผ่านขอบที่ t ช่วงเวลาที่จะไหลกลับมาที่ T + 1 ผลที่ได้จึงค่อนข้างคล้ายกัน (แต่ไม่เหมือนกันเนื่องจากนักท่องสุ่ม) การจัดอันดับที่เป็นไปตามเพียงองศาขอบ ในการทดลองที่นำเสนอดังต่อไปนี้เราจะเห็นว่ารุ่นนี้ดำเนินการที่เหมาะสม แต่ไม่โดดเด่น ซึ่งสอดคล้องกับการสังเกตของเราใน [12] ซึ่งแสดงให้เห็นว่าการจัดอันดับหัวข้อที่เฉพาะเจาะจงจะลำเอียงโดยโครงสร้างของกราฟระดับโลก เป็นผลให้เราพัฒนาใน [12] วิธีการที่แตกต่างกันดังต่อไปนี้. FolkRank - หัวข้อเฉพาะการจัดอันดับของ undirectedness GF กราฟทำให้มันยากมากสำหรับโหนดอื่น ๆ กว่าผู้ที่มีการศึกษาระดับปริญญาขอบสูงที่จะกลายเป็นอันดับสูงไม่ว่าสิ่งที่การตั้งค่าเวกเตอร์ เป็น ปัญหานี้จะแก้ไขได้โดยวิธีการที่แตกต่างกันใน FolkRank ซึ่งคำนวณการจัดอันดับหัวข้อที่เฉพาะเจาะจงขององค์ประกอบใน folksonomy ในกรณีของเราหัวข้อจะถูกกำหนดโดย

Results (Thai) 3:

ที่ W คือเวกเตอร์น้ำหนักกับหนึ่งรายการสำหรับแต่ละโหนดใน V , A แถว Stochastic รุ่นของถ้อยคำ matrix13 ของกราฟ GF ที่กำหนดไว้ข้างต้น , P คือนักโต้คลื่นสุ่มเวกเตอร์–ที่เราใช้ในการตั้งค่าการตั้งค่าเวกเตอร์ของเรา , และ D [ 0.1 ] คือกำหนดความแข็งแรงของอิทธิพลของหน้าโดยบรรทัดฐานของเวกเตอร์ p เราบังคับใช้ความเสมอภาค | | W | | 1 = | | P | | 1this14 ให้แน่ใจว่าน้ำหนัก ระบบจะยังคงที่ ตำแหน่งของแต่ละโหนดคือ ค่าของขีดจำกัด w : = limt  ? น้ำหนักของกระบวนการทำซ้ำ

สำหรับการจัดอันดับโลก หนึ่งจะเลือก P = 1 คือ เวกเตอร์ประกอบด้วย 1 . เพื่อสร้างความร่วมมือ อย่างไรก็ตามP สามารถปรับให้หนักขึ้นเพื่อผู้ใช้โหนดและโหนดทรัพยากรซึ่งหนึ่งในขณะนี้ต้องการสร้างคำแนะนำ คำแนะนำ ? ( U , r ) คือชุดของด้านบน n โหนดในการจัดอันดับเฉพาะแท็ก

เป็นกราฟ GF เป็น undirected ส่วนใหญ่หนักไปทางขอบในช่วงเวลา t จะไหลกลับไปที่ t 1ผลจึงเป็นคล้ายๆ ( แต่ไม่เหมือน เพราะเฟอร์ที่สุ่ม ) เพื่อการจัดอันดับที่เป็นเพียงแค่ตามขอบองศา ในการทดลองที่แสดงด้านล่าง เราจะเห็นว่ารุ่นนี้มีประสิทธิภาพที่เหมาะสม แต่ไม่พิเศษ นี้จะสอดคล้องกับการสังเกตของเรา [ 12 ] ซึ่งแสดงให้เห็นว่าการจัดอันดับเฉพาะหัวข้อจะลำเอียง โดยโครงสร้างกราฟ ) อย่างไรก็ดีเราพัฒนาใน [ 12 ] วิธีดิฟเฟอเรนเชียล ดังต่อไปนี้

folkrank –หัวข้อเฉพาะการจัดอันดับ undirectedness กราฟ GF ทำให้มันยากมากสำหรับโหนดอื่น ๆสูงกว่าขอบสูงระดับเป็นตำแหน่งสูงไม่ว่าสิ่งที่การตั้งค่าเวกเตอร์เป็น ปัญหานี้จะแก้ไขได้โดยวิธี folkrank ความแตกต่าง ,ซึ่งคำนวณเป็นหัวข้อเฉพาะตำแหน่งขององค์ประกอบในโฟล์คโซโนมี . ในกรณีของเรา หัวข้อที่ถูกกำหนดโดย