網絡是表征系統(tǒng)內在聯系模式的一種強有力的通用方式。生活中的許多系統(tǒng)都可以抽象成網絡數據的形式。隨著互聯網以及社交網絡的快速發(fā)展,對于網絡的研究和分析也變得越來越重要。其中有關中心性的概念受到了很大的關注,即在一個網絡中哪些節(jié)點是最重要或最核心的。1998年,谷歌提出了一種更加合理的中心性度量方法,PageRank算法,并將其應用在谷歌搜索引擎上。這一舉動不僅令谷歌搜索引擎大受歡迎,也使得PageRank算法廣為人知,并被廣泛地應用于社會學、物理學和計算機科學等領域。然而在實際應用和研究中,許多網絡的規(guī)模往往非常龐大,并且一直處于動態(tài)變化之中。在這樣一種情形下,針對靜態(tài)網絡的PageRank算法將不足以滿足我們的需求,特別是當我們想要實時的跟蹤網絡的PageRank值的時候。因此,我們迫切需要一種能夠通過增量迭代,從而高效地跟蹤大規(guī)模動態(tài)網絡PageRank值的算法�，F有的PageRank增量算法分為聚合劃分類算法和蒙特卡洛類算法。理論研究已表明聚合劃分類算法無法做到不累計誤差地更新,因此本文專注于蒙特卡洛類算法。而以往的蒙特卡洛類算法忽視了隨機游走會多次訪問同一節(jié)點或者多次經過同一條邊... 

【文章來源】：武漢大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：60 頁

【學位級別】：碩士

【部分圖文】：

網絡G(t)和添加了邊e(1,4)的網絡G(t+1)

圖2.1中的網絡的邊列表 圖 2.4: 圖2.1中的網絡的鄰接表

【參考文獻】：
期刊論文
[1]IncPR:一種基于增量計算的并行PageRank算法[J]. 姜雙雙,廖群,楊愚魯,李濤.  計算機研究與發(fā)展. 2016(08)
[2]PageRank算法研究[J]. 黃德才,戚華春.  計算機工程. 2006(04)



本文編號：3067868