Giả thuyết 1: Siêu liên kết là tín hiệu chất lượng
Siêu liên kết A B là sự công nhận chất lượng trang B
từ phía tác giả trang A.
Giả thuyết 2: Văn bản liên kết mô tả trang B
Văn bản liên kết là văn bản xung quanh thẻ <a>
Ví dụ, Xem tài liệu tham khảo <a href=“ ”>ở đây</a>
“Xem tài liệu tham khảo ở đây” là văn bản liên kết
30 trang |
Chia sẻ: Mr Hưng | Lượt xem: 800 | Lượt tải: 0
Bạn đang xem trước 20 trang nội dung tài liệu Tìm kiếm và trình diễn thông tin - Phân tích liên kết, PageRank, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
(IT4853) Tìm kiếm và trình diễn thông tin
Phân tích liên kết, PageRank
Giảng viên
TS. Nguyễn Bá Ngọc
Địa chỉ: Viện CNTT & TT/BM HTTT/B1-603
Email: ngocnb@soict.hust.edu.vn
Website:
2
3Nội dung chính
Dữ liệu liên kết
Phân tích trích dẫn
Giải thuật PageRank
4Web là đồ thị có hướng
Trang A
Siêu liên kết
Trang BAnchor
Giả thuyết 1: Siêu liên kết là tín hiệu chất lượng
Siêu liên kết A B là sự công nhận chất lượng trang B
từ phía tác giả trang A.
Giả thuyết 2: Văn bản liên kết mô tả trang B
Văn bản liên kết là văn bản xung quanh thẻ
Ví dụ, Xem tài liệu tham khảo ở đây
“Xem tài liệu tham khảo ở đây” là văn bản liên kết
5Văn bản liên kết
Ví dụ, trang www.ibm.com, đa phần là hình ảnh,
rất ít từ ibm.
Tìm kiếm trên [nội dung của d] + [văn bản liên
kết d] sẽ hiệu quả hơn nếu chỉ tìm kiếm trên
[nội dung của d]
www.ibm.com
“ibm” “ibm.com” “Trang chủ
của IBM”
Hàng triệu văn
bản liên kết chứa
từ “ibm”
6Văn bản liên kết đến www.ibm.com
chứa từ ibm
7Chỉ mục văn bản liên kết
Văn bản liên kết có thể mô tả trang web tốt hơn
chính nội dung trang web đó.
Có thể gán cho văn bản liên kết trọng số cao hơn
chính nội dung trang web.
8Nội dung chính
Dữ liệu liên kết
Phân tích trích dẫn
Giải thuật PageRank
9Trước PageRank: Phân tích trích dẫn
Đối với tài liệu là sách, báo, tạp trí v.v.
Một tài liệu có thể trích dẫn một tài liệu khác, ví dụ,
trích dẫn tài liệu tham khảo.
Trích dẫn trong những tài liệu này có vai trò tương tự
siêu liên kết đối với nhứng trang web
Ứng dụng phân tích trích dẫn
Xác định độ tương đồng giữa các tài liệu
Đánh giá điểm uy tín (impact factor) của tạp trí
v.v.
10
Phân tích trích dẫn: Mức đồng tham
khảo
Mức đồng tham khảo của hai tài liệu A và B là số tài
liệu được trích dẫn bởi cả A và B.
Được sử dụng để đo độ tương đồng giữa các tài liệu,
tác giả Kessler, công bố năm 1963.
A B
Có nên chuẩn hóa theo số lượng trích dẫn?
11
Phân tích trích dẫn: Mức đồng tham
chiếu
Mức đồng tham chiếu là số văn bản trích dẫn cùng
lúc cả A và B.
Tương tự mức đồng tham khảo, tác giả Small, công
bố năm 1973.
A B
Có nên chuẩn hóa theo tổng số tài liệu trích dẫn
A hoặc trích dẫn B?
12
Phân tích trích dẫn: Độ uy tín
Độ uy tín (impact factor)
Tác giả Garfield, công bố năm 1972
Được tính và công bố thường niên bởi Institute
for Scientific Information (ISI).
Độ uy tín của một tạp trí J trong năm Y là số
lượng trích dẫn trung bình từ các tài liệu được
công bố trong năm Y tới tạp trí J trong năm Y1
hoặc Y2.
Không tính chất lượng của báo cáo chứa trích dẫn.
13
Phân tích trích dẫn: Xếp hạng
Pinski và Narin [1976], xếp hạng báo cáo khoa
học dựa trên phân tích trích dẫn.
PageRank được phát triển theo phương pháp
phân tích trích dẫn của Pinski và Narin.
14
Nội dung chính
Dữ liệu liên kết
Phân tích trích dẫn
Giải thuật PageRank
15
Mô hình PageRank cơ bản
Mô hình duyệt Web ngẫu nhiên
Giả sử người dùng Web thực hiện mở các trang web theo
quy luật sau:
Bắt đầu với một trang được lựa chọn ngẫu nhiên
Sau mỗi bước, mở ngẫu nhiên một liên kết trên trang hiện tại (xác
suất lựa chọn liên kết được phân bố đồng đều).
Tỉ lệ đã xem mỗi trang có xu hướng ổn định sau khi lặp thao
tác mở liên kết với số lần đủ lớn. Tỉ lệ này là PageRank của
trang Web.
PageRank = tỉ lệ mở liên kết với số bước lớn = xác suất xem
trang Web ở trạng thái ổn định
16
Biểu diễn mô hình duyệt Web ngẫu
nhiên: Chuỗi Markov
Chuỗi Markov bao gồm N trạng thái, và ma trận xác
suất chuyển trạng thái kích thước N x N
Mỗi trạng thái ứng với một trang Web
Với 1 ≤ i, j ≥ N , giá trị Pij là xác suất nếu trạng thái
tiếp theo là j, biết rằng trạng thái hiện tại là i
Với i bất kỳ, 11
N
j ij
P
Ví dụ đồ thị Web
18
d0 d1 d2 d3 d4 d5 d6
d0 0 0 1 0 0 0 0
d1 0 1 1 0 0 0 0
d2 1 0 1 1 0 0 0
d3 0 0 0 1 1 0 0
d4 0 0 0 0 0 0 1
d5 0 0 0 0 0 1 1
d6 0 0 0 1 1 0 1
Ma trận kề
19
d0 d1 d2 d3 d4 d5 d6
d0 0.00 0.00 1.00 0.00 0.00 0.00 0.00
d1 0.00 0.50 0.50 0.00 0.00 0.00 0.00
d2 0.33 0.00 0.33 0.33 0.00 0.00 0.00
d3 0.00 0.00 0.00 0.50 0.50 0.00 0.00
d4 0.00 0.00 0.00 0.00 0.00 0.00 1.00
d5 0.00 0.00 0.00 0.00 0.00 0.50 0.50
d6 0.00 0.00 0.00 0.33 0.33 0.00 0.33
Ma trận xác suất chuyển trạng thái
20
Tỉ lệ mở liên kết
Điều kiện để tỉ lệ mở liên kết ổn định với số bước
đủ lớn?
Chuỗi Markov của đồ thị Web phải là ergodic!
21
Điều kiện ergodic
Chuỗi Markov tương ứng sẽ là ergodic nếu:
Luôn tồn tại đường đi giữa hai đỉnh bất kỳ: Có thể di
chuyển từ một trang bất kỳ tới một trang bất kỳ;
Không có chu trình: Không thể chia các đỉnh của đồ
thị thành nhiều nhóm sao cho quá trình duyệt Web trở
thành tiến trình tuần tự trên các nhóm này.
Chuỗi Markov của đồ thị sau không là ergodic
22
Điều kiện ergodic
Đồ thị Web không liên thông, có nhiều trang Web
không có liên kết đi ra và có nhiều chu trình.
Tính PageRank bằng cách nào?
Bổ xung bước nhảy để đảm bảo điều kiện ergodic
của chuỗi Markov tương ứng!
23
Mô hình duyệt Web ngẫu nhiên với
bước nhảy
Bước nhảy: Giả sử người dùng sẽ mở ngẫu nhiên một trang
với xác suất 𝛼
Mô hình duyệt Web ngẫu nhiên với bước nhảy:
Bắt đầu với một trang được lựa chọn ngẫu nhiên
Sau mỗi bước, với xác suất 1- 𝛼 mở ngẫu nhiên một liên kết trên
trang hiện tại (xác suất lựa chọn liên kết được phân bố đồng đều).
Với xác suất 𝛼 mở ngẫu nhiên một trang bất kỳ.
Chuỗi Markov tương ứng là ergogic
Phân bố xác suất mở liên kết luôn trở nên ổn định sau số
bước đủ lớn.
Luôn có thể xác định PageRank
24
Các ký hiệu
Gọi 𝑥 = (x1 , ..., xN) là vec-tơ tỉ lệ mở liên kết, với xi là tỉ lệ
mở liên kết thứ i.
Xác suất người dùng đang xem trang i là xi;
S xi = 1
Cho biết ma trận xác suất chuyển trạng thái P, tỉ lệ
mở liên kết ở bước tiếp theo là 𝑥P.
Gọi 𝜋= (p1, p2, , pN) là vec-tơ tỉ lệ mở liên kết ở
trạng thái ổn định (đồng thời là vec-tơ PageRank)
𝜋 = 𝜋P
Tính PageRank như thế nào?
25
Phương pháp lũy thừa
Hãy tính PageRank cho đồ thị với xác suất chuyển
trạng thái như sau:
26
Phương pháp lũy thừa
x1
Pt(d1)
x2
Pt(d2)
P11 = 0.1
P21 = 0.3
P12 = 0.9
P22 = 0.7
t0 0 1 0.3 0.7 = xP
t1 0.3 0.7 0.24 0.76 = xP
2
t2 0.24 0.76 0.252 0.748 = xP
3
t3 0.252 0.748 0.2496 0.7504 = xP
4
. . . . . .
t∞ 0.25 0.75 0.25 0.75 = xP
∞
Pt(d1) = Pt-1(d1) * P11 + Pt-1(d2) * P21
Pt(d2) = Pt-1(d1) * P12 + Pt-1(d2) * P22
𝜋= (p1, p2) = (0.25, 0.75)
27
Xác định ma trận xác suất chuyển
trạng thái
Gọi A là ma trận kề của đồ thị, dòng i cột j bằng 1 nếu có
cạnh từ i tới j; 𝛼 là xác suất nhảy ngẫu nhiên.
Giải thuật tổng quát xác định ma trận xác suất chuyển trạng
thái gồm 4 bước sau:
1) Nếu hàng i của A không chứa 1 thì thay thế 0 bằng 1/N, với N là
số đỉnh.
2) Đối với các hàng khác thực hiện chia các giá trị 1 cho số lượng
trong hàng.
3) Nhân ma trận kết quả sau khi thực hiện 1) và 2) với 1 – 𝛼
4) Cộng mỗi phần tử của ma trận với 𝛼 / N
28
Nhược điểm của PageRank
Trong thực tế, người dung không duyệt Web theo
cách ngẫu nhiên:
Nút Back, trang ưa thích, tìm kiếm, v.v.
Mô hình chuỗi Markov không diễn tả hết được các tình
huống thực tế
Kết quá xếp hạng chỉ sử dụng PageRank có chất
lượng thấp
29
Vai trò của PageRank
Trong thực tế điểm xếp hạng cuối cùng là tổng hợp
của nhiều thành phần khác nhau, ngoài PageRank
còn có văn bản liên kết, tần suất từ, khoảng cách
v.v.
Còn nhiều cách cài đặt PageRank khác
Điểm PageRank là một tín hiệu xếp hạng quan
trọng đối với tìm kiếm trên Web.
30
Các file đính kèm theo tài liệu này:
- bai_21_phan_tich_lien_ket_pagerank_5103.pdf