On the case that the number of dangling nodes is large, PageRank computation can be proceeded with a much smaller matrix through lumping all dangling nodes of a web graph into a single node. Thus, it saves many computational cost and operations. There are also some theoretical contributions on Jordan canonical form of the Google matrix. Motivated by these theoretical contributions, in this note, we provide alternative proofs for some results of Google matrix through the lumping method due to Ipsen and Selee. Specifically we find that the result is also suitable for some subsequent work based on lumping dangling nodes into a node. Besides, an entirely new proof from the matrix decomposition viewpoint is also proposed.


翻译:在交错节点数量庞大的情况下,PageRank的计算可以用一个小得多的矩阵,将网络图的所有交错节点合并成一个节点,从而节省了许多计算成本和操作。在约旦谷歌矩阵的理论形式上也有一些理论贡献。受这些理论贡献的驱使,在本说明中,我们通过Ipsen和Seelee的拼凑方法,为谷歌矩阵的某些结果提供了替代证据。具体地说,我们发现这一结果也适合于随后在将节点的交错节点合并成一个节点的基础上进行的一些工作。此外,还提出了从矩阵分解观点得出的全新的证据。

0
下载
关闭预览

相关内容

一家美国的跨国科技企业,致力于互联网搜索、云计算、广告技术等领域,由当时在斯坦福大学攻读理学博士的拉里·佩奇和谢尔盖·布林共同创建。创始之初,Google 官方的公司使命为「整合全球范围的信息,使人人皆可访问并从中受益」。 Google 开发并提供了大量基于互联网的产品与服务,其主要利润来自于 AdWords 等广告服务。

2004 年 8 月 19 日, 公司以「GOOG」为代码正式登陆纳斯达克交易所。
专知会员服务
33+阅读 · 2021年5月12日
已删除
将门创投
5+阅读 · 2019年6月28日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Arxiv
4+阅读 · 2019年1月14日
Arxiv
3+阅读 · 2018年10月18日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关VIP内容
专知会员服务
33+阅读 · 2021年5月12日
相关资讯
已删除
将门创投
5+阅读 · 2019年6月28日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Top
微信扫码咨询专知VIP会员