الگوریتم های رتبه بندی سایت ها الگوریتم Web Ranking الگوریتم اجتماع مورچگان الگوریتم اجتماع مورچگان الگوریتم رتبه بندی فضای بلاگ

1. ‫رتبه‬ ‫های‬ ‫الگوریتم‬‫بندی‬
‫سایت‬
‫الحکمی‬ ‫باب‬ ‫امیرحسین‬
‫صالحی‬ ‫سروش‬
Amir.Babolhakami@gmail.com

2. ‫فهرست‬
‫مقدمه‬
......................................................................
..............................................3
‫سایت‬ ‫بندی‬ ‫رتبه‬(Web Ranking)
......................................................................
...............5
Page Ranking Algorithm
......................................................................
...................7
Ant ColonyAlgorithm...........................................................................................10
‫ترکیبی‬ ‫الگوریتم‬
......................................................................
..................................12
Page Ranking DevelopedAlgorithm........................................................................15
HITS Algorithm....................................................................................................17
iRank Algorithm...................................................................................................22
BlogRank Algorithm..............................................................................................25
2/30

3. ‫مقدمه‬
‫سایت‬ ‫بندی‬ ‫رتبه‬ ‫به‬ ‫نیاز‬ ‫دلیل‬
‫اطالعات‬ ‫زیاد‬ ‫حجم‬
‫اطالعات‬ ‫بودن‬ ‫یافته‬ ‫غیرساختار‬ ‫و‬ ‫ناهمگني‬
‫زیاد‬ ‫پویایي‬ ،‫نمایي‬ ‫رشد‬
‫هاي‬ ‫قسمت‬ ‫مهمترین‬ ‫از‬ ‫یكي‬ ‫بندي‬ ‫رتبه‬ ‫بخش‬
‫باشد‬ ‫مي‬ ‫جستجو‬ ‫موتور‬.
3/30

4. ‫مقدمه‬
"‫بندي‬ ‫رتبه‬"‫توسط‬ ‫صفحه‬ ‫یك‬ ‫كیفیت‬ ‫كه‬ ‫است‬ ‫فرآیندي‬
‫شود‬ ‫مي‬ ‫زده‬ ‫تخمین‬ ‫جستجو‬ ‫موتور‬.
‫ها‬ ‫سایت‬ ‫بندی‬ ‫رتبه‬ ‫های‬ ‫مزیت‬
‫از‬ ‫جلوگیری‬Web Spam
‫جستجو‬ ‫فضای‬ ‫کاهش‬
4/30

5. ‫سایت‬ ‫بندی‬ ‫رتبه‬(Web Ranking)
‫ها‬ ‫سایت‬ ‫بندی‬ ‫رتبه‬ ‫های‬ ‫روش‬ ‫انواع‬
‫محتوا‬ ‫بر‬ ‫مبتنی‬(‫شده‬ ‫استفاده‬‫در‬
‫اطالعات‬ ‫بازیابي‬‫سنتي‬)
TF-IDF(‫برداری‬ ‫مدل‬ ‫در‬)
BM25(‫احتمال‬ ‫مدل‬ ‫در‬)
5/30

6. ‫سایت‬ ‫بندی‬ ‫رتبه‬(Web Ranking)
‫مبتنی‬‫ساختار‬ ‫بر‬(‫فعلي‬ ‫وب‬ ‫در‬ ‫شده‬ ‫استفاده‬)
Page Ranking Algorithm
Page Ranking Developed Algorithm
Ant Colony Algorithm
‫ترکیبی‬ ‫الگوریتم‬
HITS Algorithm
6/30

7. Page Ranking Algorithm
‫جز‬‫صفحات‬ ‫بندی‬ ‫رتبه‬ ‫های‬ ‫الگوریتم‬ ‫اولین‬
‫وب‬
‫سایت‬ ‫توسط‬google‫می‬ ‫استفاده‬‫شود‬
‫الگوریتم‬ ‫های‬ ‫ویژگی‬
‫تعداد‬ ‫و‬ ‫صفحه‬ ‫به‬ ‫شده‬ ‫اشاره‬ ‫صفحات‬ ‫به‬ ‫اهمیت‬
‫صفحات‬ ‫از‬ ‫شده‬ ‫خارج‬ ‫های‬ ‫لینک‬
‫شده‬ ‫داده‬ ‫ارجاع‬ ‫های‬ ‫صفحه‬ ‫به‬ ‫اهمیت‬
‫اهمیت‬ ‫داری‬ ‫بیشتر‬ ‫ازجاع‬ ‫با‬ ‫صفحات‬ ‫که‬
‫بیشتری‬
7/30

8. Page Ranking Algorithm
𝑃𝑅 𝑢 = 1 − 𝑑 + 𝑑 ∗
𝑣𝜖𝐵 𝑢
𝑃𝑅 𝑣
𝑁𝑣
•:𝑃𝑅 𝑢‫صفحه‬ ‫رتبه‬u‫آن‬ ‫رتبه‬ ‫خواهیم‬ ‫می‬ ‫و‬ ‫است‬ ‫جاری‬ ‫صفحه‬ ‫همان‬ ‫که‬
‫باشد‬ ‫می‬ ،‫کنیم‬ ‫محاسبه‬ ‫را‬.
•:𝑑‫می‬ ‫کلیک‬ ‫ها‬ ‫لینک‬ ‫روی‬ ‫مداوم‬ ‫صورت‬ ‫به‬ ‫کاربر‬ ‫اینکه‬ ‫احتمال‬
‫کند‬.
•:𝟏 − 𝒅‫تصادفی‬ ‫صفحه‬ ‫یک‬ ‫به‬ ‫تصادفی‬ ‫صورت‬ ‫به‬ ‫کاربر‬ ‫اینکه‬ ‫احتمال‬
‫کند‬ ‫پرسپش‬.
•:𝑷𝑹(𝒗)Page Rank‫صفحه‬𝑣‫باشد‬ ‫می‬.
•:𝑵𝒗‫صفحه‬ ‫خروجی‬ ‫درجه‬𝑣‫است‬.
•:𝑩(𝒖)‫صفحه‬ ‫به‬ ‫ورودی‬ ‫لینک‬ ‫یک‬ ‫که‬ ‫است‬ ‫هایی‬ ‫گره‬ ‫مجموعه‬𝑢‫دارند‬.
•‫نکته‬:𝑑‫بین‬ ‫مقدار‬ ‫یک‬ ‫که‬ ‫است‬ ‫تعدیل‬ ‫فاکتور‬ ‫یک‬‫و‬ 0 1‫می‬ ‫تنظیم‬
‫شود‬.‫به‬ ‫وب‬ ‫گراف‬ ‫برای‬ ‫معموال‬0.85‫شود‬ ‫می‬ ‫تنظیم‬.
𝑃𝑅 𝑢 = 1 − 𝑑 + 𝑑 ∗
𝑣𝜖𝐵 𝑢
𝑃𝑅 𝑣
𝑁𝑣
•:𝐏𝐑 𝐮‫صفحه‬ ‫رتبه‬u‫آن‬ ‫رتبه‬ ‫خواهیم‬ ‫می‬ ‫و‬ ‫است‬ ‫جاری‬ ‫صفحه‬ ‫همان‬ ‫که‬
‫باشد‬ ‫می‬ ،‫کنیم‬ ‫محاسبه‬ ‫را‬.
•:𝐝‫می‬ ‫کلیک‬ ‫ها‬ ‫لینک‬ ‫روی‬ ‫مداوم‬ ‫صورت‬ ‫به‬ ‫کاربر‬ ‫اینکه‬ ‫احتمال‬
‫کند‬.
•:𝟏 − 𝒅‫تصادفی‬ ‫صفحه‬ ‫یک‬ ‫به‬ ‫تصادفی‬ ‫صورت‬ ‫به‬ ‫کاربر‬ ‫اینکه‬ ‫احتمال‬
‫کند‬ ‫پرسپش‬.
•:𝑷𝑹(𝒗)Page Rank‫صفحه‬𝑣‫باشد‬ ‫می‬.
•:𝑵𝒗‫صفحه‬ ‫خروجی‬ ‫درجه‬𝑣‫است‬.
•:𝑩(𝒖)‫صفحه‬ ‫به‬ ‫ورودی‬ ‫لینک‬ ‫یک‬ ‫که‬ ‫است‬ ‫هایی‬ ‫گره‬ ‫مجموعه‬𝑢‫دارند‬.
•‫نکته‬:𝑑‫بین‬ ‫مقدار‬ ‫یک‬ ‫که‬ ‫است‬ ‫تعدیل‬ ‫فاکتور‬ ‫یک‬‫و‬ 0 1‫می‬ ‫تنظیم‬
‫شود‬.‫به‬ ‫وب‬ ‫گراف‬ ‫برای‬ ‫معموال‬0.85‫شود‬ ‫می‬ ‫تنظیم‬. 8/30

9. Page Ranking Algorithm
‫مزایا‬
‫مقابل‬ ‫در‬Spam‫کند‬ ‫می‬ ‫مبارزه‬
‫آن‬ ‫به‬ ‫شده‬ ‫گذاری‬ ‫نقطه‬ ‫صفحات‬ ‫اگر‬ ‫است‬ ‫مهم‬ ‫صفحه‬ ‫یک‬
‫باشد‬ ‫مهم‬.
‫صفحات‬ ‫تمام‬ ‫از‬ ‫صفحه‬ ‫بندی‬ ‫رتبه‬ ‫الگوریتم‬ ‫مقادیر‬
‫بدون‬ ‫جستجو‬ ‫زمان‬ ‫در‬ ‫ترجیحا‬ ‫و‬ ‫شود‬ ‫می‬ ‫محاسبه‬
‫شود‬ ‫ذخیره‬ ‫ارتباط‬
‫معایب‬
‫باشد‬ ‫مستقل‬ ‫جستجو‬
‫صفحاتی‬ ‫و‬ ‫دارند‬ ‫توانایی‬ ‫مجموع‬ ‫در‬ ‫که‬ ‫صفحاتی‬ ‫بین‬
‫قائل‬ ‫تمایز‬ ‫وجه‬ ‫است‬ ‫معتبر‬ ‫جستجو‬ ‫عنوان‬ ‫روی‬ ‫بر‬ ‫که‬
‫شود‬ ‫نمی‬
9/30

10. Ant Colony Algorithm
‫بهینه‬ ‫مسائل‬ ‫برای‬ ‫عامله‬ ‫چند‬ ‫حلی‬ ‫راه‬‫سازی‬
‫روی‬ ‫مشاهده‬ ‫و‬ ‫مطالعه‬ ‫براساس‬ ‫الگوریتم‬ ‫این‬
‫ارائه‬ ‫مورچگان‬‫گردید‬
10/30

11. Ant Colony Algorithm
𝜏𝑖(𝑡+1)=(1−𝜌).𝜏𝑖𝑗(𝑡)+ Δ𝜏𝑖𝑗(𝑡)
𝜏𝑖𝑗‫های‬ ‫گره‬ ‫بین‬ ‫فرومون‬ ‫میزان‬i‫و‬j‫را‬
‫دهد‬ ‫می‬ ‫نشان‬
𝜌‫است‬ ‫فرمون‬ ‫تبخیر‬ ‫میزان‬)1≥𝜌>0)
Δ𝜏𝑖𝑗‫مورچه‬ ‫که‬ ‫است‬ ‫فرومونی‬ ‫مقدار‬K‫بر‬ ‫ام‬
‫ریزد‬ ‫می‬ ‫است‬ ‫کرده‬ ‫مالقات‬ ‫که‬ ‫هایی‬ ‫یال‬ ‫روی‬.
11/30

12. ‫ترکیبی‬ ‫الگوریتم‬
‫الگوریتم‬ ‫دو‬ ‫از‬ ‫گرفتن‬ ‫الهام‬PageRank‫و‬
‫مورچگان‬ ‫اجتماع‬
‫و‬ ‫کاوی‬ ‫وب‬ ‫ازکاربرد‬ ‫تلفیقی‬ ‫الگوریتم‬ ‫این‬
‫کاوی‬ ‫وب‬ ‫ساختار‬‫است‬
12/30

13. ‫ترکیبی‬ ‫الگوریتم‬
‫فایل‬
‫وب‬ ‫ثبت‬
‫سرور‬
‫پیش‬
‫پردازش‬
‫فایل‬
‫ثبت‬
‫استخراج‬
‫ویژگی‬
‫های‬
‫کاربران‬
‫سازی‬ ‫بردار‬
‫ساخت‬
‫پروفایل‬
‫کاربران‬
‫پروفایل‬
‫کاربران‬
‫استفاده‬
‫از‬
‫اجتماع‬
‫مورچگان‬
‫بندی‬ ‫رتبه‬
‫صفحات‬
13/30

14. ‫ترکیبی‬ ‫الگوریتم‬
𝑃𝑅 𝑢 = 1 − 𝑑 + 𝑑 ∗ ((
𝑣𝜀𝐵 𝑢
𝑃𝑅(𝑣)/𝑁𝑣) + 𝑝 𝑢)
:𝑷𝑹 𝒖‫صفحه‬ ‫رتبه‬u‫خواهیم‬ ‫می‬ ‫و‬ ‫است‬ ‫جاری‬ ‫صفحه‬ ‫همان‬ ‫که‬
‫باشد‬ ‫می‬ ،‫کنیم‬ ‫محاسبه‬ ‫را‬ ‫آن‬ ‫رتبه‬.
:𝒅‫کلیک‬ ‫ها‬ ‫لینک‬ ‫روی‬ ‫مداوم‬ ‫صورت‬ ‫به‬ ‫کاربر‬ ‫اینکه‬ ‫احتمال‬
‫کند‬ ‫می‬.
:𝟏 − 𝒅‫صفحه‬ ‫یک‬ ‫به‬ ‫تصادفی‬ ‫صورت‬ ‫به‬ ‫کاربر‬ ‫اینکه‬ ‫احتمال‬
‫کند‬ ‫پرسپش‬ ‫تصادفی‬.
:𝑷𝑹(𝒗)PageRank‫صفحه‬𝑣‫باشد‬ ‫می‬.
:𝑵𝒗‫صفحه‬ ‫خروجی‬ ‫درجه‬𝑣‫است‬.
:𝑩(𝒖)‫صفحه‬ ‫به‬ ‫ورودی‬ ‫لینک‬ ‫یک‬ ‫که‬ ‫است‬ ‫هایی‬ ‫گره‬ ‫مجموعه‬𝑢
‫دارند‬.
:𝒑 𝒖‫صفحه‬ ‫روی‬ ‫بر‬ ‫گرفته‬ ‫قرار‬ ‫فرومون‬ ‫مقدار‬u‫است‬.
‫نکته‬:𝑑‫بین‬ ‫مقدار‬ ‫یک‬ ‫که‬ ‫است‬ ‫تعدیل‬ ‫فاکتور‬ ‫یک‬‫و‬ 0 1
‫شود‬ ‫می‬ ‫تنظیم‬.‫به‬ ‫وب‬ ‫گراف‬ ‫برای‬ ‫معموال‬0.85‫می‬ ‫تنظیم‬
‫شود‬.
14/30

15. Page Ranking Developed Algorithm
‫الگوریتم‬Weighted PageRank‫یافته‬ ‫توسعه‬ ‫الگویتم‬
‫الگوریتم‬PageRank‫است‬.
‫دهی‬ ‫رتبه‬ ‫نحوه‬
‫خروجی‬ ‫و‬ ‫ورودی‬ ‫های‬ ‫لینک‬ ‫به‬ ‫اهمیت‬
‫توزیع‬ ‫صفحات‬ ‫محبوبیت‬ ‫بر‬ ‫مبنی‬ ‫بندی‬ ‫رتبه‬ ‫امتیاز‬
‫شده‬
15/30

16. Page Ranking Developed Algorithm
‫که‬ ‫است‬ ‫موجود‬ ‫الگوریتم‬ ‫این‬ ‫برای‬ ‫مختلف‬ ‫های‬ ‫مدل‬
‫کنیم‬ ‫می‬ ‫بیان‬ ‫را‬ ‫ها‬ ‫آن‬ ‫از‬ ‫بعضی‬:
‫عصبی‬ ‫های‬ ‫شبکه‬ ‫بر‬ ‫مبتنی‬
‫مارکوف‬ ‫زنجیره‬ ‫بر‬ ‫مبتنی‬
‫ها‬ ‫لینک‬ ‫بازدید‬ ‫بر‬ ‫مبتنی‬
‫زمان‬ ‫فاکتور‬ ‫بر‬ ‫مبتنی‬
16/30

17. HITS Algorithm
‫الگوریتم‬ ‫اجرای‬ ‫از‬ ‫قبل‬HITS‫می‬ ‫اتفاقی‬ ‫چه‬
‫افتد؟‬
‫صفحات‬ ‫ترین‬ ‫مرتبط‬ ‫استخراج‬(Root Set)
‫مجموعه‬ ‫به‬ ‫که‬ ‫صفحاتی‬ ‫استخراج‬Root‫و‬ ‫داده‬ ‫لینک‬
‫است‬ ‫شده‬ ‫زده‬ ‫پیوند‬ ‫یا‬(Base Root)
17/30

18. HITS Algorithm
‫امتیاز‬ ‫یک‬ ‫صفحه‬ ‫هر‬ ‫به‬Hub‫امتیاز‬ ‫یک‬ ‫و‬Authority‫شود‬ ‫می‬ ‫داده‬
Authority:‫هستند‬ ‫سایت‬ ‫به‬ ‫شده‬ ‫وارد‬ ‫های‬ ‫لینک‬ ‫تعداد‬
Hub:‫هستند‬ ‫سایت‬ ‫از‬ ‫شده‬ ‫خارج‬ ‫های‬ ‫لینک‬ ‫تعداد‬
‫یک‬Authority‫از‬ ‫مناسب‬ ‫ای‬ ‫مجموعه‬ ‫توسط‬ ‫خوب‬Hub‫و‬ ‫است‬ ‫شده‬ ‫اشاره‬
‫بلعکس‬.
‫داریم‬ ‫زیر‬ ‫ویژگی‬ ‫با‬ ‫گرافی‬ ‫تشکیل‬ ‫به‬ ‫نیاز‬ ‫حال‬:
1 , 𝑖𝑓 𝑖,𝑗 ∈ 𝐸
0 , 𝑜𝑡ℎ𝑤𝑒𝑤𝑖𝑠𝑒
𝐿𝑖𝑗
18/30

19. HITS Algorithm
‫مقادیر‬ ‫حال‬Authority‫و‬Hub‫زیر‬ ‫صورت‬ ‫به‬
‫شود‬ ‫می‬ ‫محاسبه‬:
𝐻𝐼𝑇𝑆𝐴𝑢𝑡ℎ𝑜𝑟𝑖𝑡𝑦 𝑣𝑖 =
𝑣𝑗∈𝑖𝑛(𝑉𝑖)
𝐻𝐼𝑇𝑆 𝐻𝑢𝑏(𝑉𝑗)
𝐻𝐼𝑇𝑆 𝐻𝑢𝑏 𝑣𝑖 =
𝑣𝑗∈𝑜𝑢𝑡(𝑉𝑖)
𝐻𝐼𝑇𝑆𝐴𝑢𝑡ℎ𝑜𝑟𝑖𝑡𝑦(𝑉𝑗)
‫اولیه‬ ‫مقادیر‬Hub‫و‬Authority‫برابر‬1‫است‬.
19/30

20. HITS Algorithm
‫مزیت‬HITS:
‫توانایی‬‫جستجو‬ ‫موضوع‬ ‫برطبق‬ ‫صفحات‬ ‫بندی‬ ‫رتبه‬
‫دارد‬
‫در‬ ‫بیشتر‬ ‫توانایی‬‫به‬ ‫مربوط‬ ‫صفحات‬ ‫کردن‬ ‫فراهم‬
Hub‫و‬Authority‫را‬‫دارد‬.
‫الگوریتم‬ ‫معایب‬HITS:
‫است‬ ‫ناکارآمد‬ ‫جستجو‬ ‫زمان‬ ‫در‬.
‫ارزیابی‬‫است‬ ‫تدریجی‬ ‫و‬ ‫کند‬ ‫جستجو‬ ‫زمان‬.
20/30

21. ‫بندی‬ ‫رتبه‬‫صفحات‬‫بالگ‬
iRank
BlogRank
21/30

22. iRank Algorithm
‫برپایه‬‫الگوریتم‬PageRank
‫ساختار‬‫بالگ‬ ‫فضای‬ ‫گراف‬ ‫غیرصریح‬ ‫و‬ ‫ضمنی‬
‫در‬ ‫موجود‬ ‫اطالعات‬ ‫صفحات‬ ‫دهی‬ ‫رتبه‬ ‫در‬ ‫را‬
‫تاثیر‬‫دهیم‬ ‫می‬
‫وبالگ‬ ‫فضای‬ ‫در‬ ‫زمان‬ ‫ویژگی‬ ‫پایه‬ ‫بر‬
‫فاصله‬ ‫براساس‬ ‫گراف‬ ‫های‬ ‫یال‬ ‫دهی‬ ‫وزن‬
‫است‬ ‫دادن‬ ‫پیوند‬ ‫زمانی‬
22/30

23. iRank Algorithm
𝒘𝒋𝒊
𝒖
= 𝒘(∆𝒅𝒊𝒋)
∆𝑑‫یا‬ ‫مطلب‬ ‫یک‬ ‫به‬ ‫وبالگ‬ ‫دو‬ ‫که‬ ‫زمانی‬ ‫فاصله‬ ‫برابر‬
URL‫کنتد‬ ‫می‬ ‫اشاره‬.
،‫باشد‬ ‫کمتر‬ ‫دادن‬ ‫لینک‬ ‫فرآیند‬ ‫زمانی‬ ‫فاصله‬ ‫چه‬ ‫هر‬
‫است‬ ‫بیشتر‬ ‫پیوند‬ ‫امتیاز‬(‫چرا؟‬)
𝒘𝒋𝒊
𝒖
𝒏𝒋 𝒌 𝒘 𝒋𝒌
𝒖
،‫پیوندها‬ ‫مقادیر‬ ‫محاسبه‬‫بالگ‬ ‫اگر‬bj‫به‬ni،URL
‫باشد‬ ‫کرده‬ ‫اشاره‬ ‫متفاوت‬
‫یک‬ ‫برابر‬ ‫بالگ‬ ‫یک‬ ‫از‬ ‫شده‬ ‫خارج‬ ‫های‬ ‫یال‬ ‫وزن‬ ‫مجموع‬
‫بود‬ ‫خواهد‬
‫الگوریتم‬ ،‫گراف‬ ‫این‬ ‫تولید‬ ‫از‬ ‫بعد‬PageRank‫این‬ ‫روی‬
23/30

24. BlogRank Algorithm
‫دهی‬ ‫رتبه‬ ‫زمینه‬ ‫در‬ ‫ها‬ ‫الگوریتم‬ ‫ترین‬ ‫جدی‬ ‫از‬ ‫یکی‬
‫بالک‬
‫سال‬ ‫در‬2006‫شد‬ ‫ارائه‬
‫یافته‬ ‫تعمیم‬ ‫نسخه‬PageRank‫باشد‬ ‫می‬
24/30

25. BlogRank Algorithm
‫محاسبه‬ ‫نحوه‬BlogRank‫صفحه‬ ‫یک‬
𝐵 𝐴 = 1 − 𝑑 + 𝑑(𝐹𝑁 𝑈1 → 𝐴 ∗ 𝐵 𝑈1 + ⋯ + 𝐹𝑁 𝑈 𝑛 → 𝐴 ∗ 𝐵 𝑈 𝑛 )
B(A):BlogRank‫بالگ‬A‫است‬
B(Ui)‫نیز‬BlogRank‫بالک‬ ‫برای‬Ui‫بالگ‬ ‫به‬ ‫که‬ ‫است‬A‫پیوند‬
‫دارد‬
d‫تعدیل‬ ‫ضریب‬‫الگوریتم‬ ‫در‬ ‫شده‬ ‫استفاده‬PageRank‫است‬
FN(Un→A)‫بالگ‬ ‫انتخاب‬ ‫احتمال‬ ‫مقدار‬A‫از‬ ‫بعد‬ ‫کاربر‬ ‫توسط‬
‫بالگ‬ ‫مشاهده‬n‫باشد‬ ‫می‬.
‫این‬‫بالگ‬ ‫مطلوبیت‬ ‫از‬ ‫کاربر‬ ‫تصور‬ ‫دهنده‬ ‫نشان‬ ،‫مقدار‬A‫است‬.
25/30

26. BlogRank Algorithm
‫زمانی‬ ‫چه‬BlogRank‫مشابه‬PageRank‫باشد؟‬ ‫می‬
‫اگر‬Z‫با‬ ‫بالگی‬T‫خروجی‬ ‫پیوند‬‫باشد‬
𝒋=𝟏
𝒕
𝑭𝑵 𝑼 𝒛 → 𝒋 = 𝟏
N‫بالگ‬ ‫از‬ ‫ها‬ ‫خروجی‬ ‫مجموع‬ ‫تعداد‬z‫باشد‬
‫کاربر‬ ‫حرکت‬ ‫برای‬‫پیوندهای‬ ‫به‬ ‫بالگ‬ ‫صفحه‬ ‫یک‬ ‫از‬
‫خروجی‬‫نباید‬‫داد‬ ‫یکسان‬ ‫احتمال‬.
26/30

27. BlogRank Algorithm
‫برای‬‫محاسبه‬FN(Uz→j)‫نظیر‬ ‫هایی‬ ‫بالگ‬j‫اهمیت‬ ‫دارای‬ ‫را‬
‫که‬ ‫داند‬ ‫می‬:
(1‫بالگ‬ ‫با‬ ‫همراه‬z‫دسته‬ ‫به‬ ‫متعلق‬(Category)‫مشترک‬
‫باشد‬.
(2‫بالگ‬ ‫با‬ ‫همراه‬z‫به‬ ‫یکسان‬ ‫های‬ ‫پیوند‬ ‫تعداد‬ ‫دارای‬
‫سایت‬‫باشد‬ ‫مختلف‬ ‫های‬.
𝑭𝑵(𝑼 𝒛→𝒋) =
𝑭 𝒛→𝒋
𝑭 𝒛→𝒙
27/30

28. BlogRank Algorithm
𝐹𝑧→𝑗 = 𝐿 𝑍→𝑙 + 𝑤 𝑇 ∗ 𝑇𝑧→𝑗 + 𝑤 𝑢 ∗ 𝑢 𝑧→𝑗 + 𝑤 𝑁 ∗ 𝑁𝑧→𝑗
L‫بالگ‬ ‫از‬ ‫پیوندها‬ ‫تعداد‬j‫است‬
T‫که‬ ‫است‬ ‫هایی‬ ‫دسته‬ ‫تعداد‬j‫و‬z‫تعلق‬ ‫آنها‬ ‫به‬ ‫دو‬ ‫هر‬
‫دارند‬.
U‫به‬ ‫مشترک‬ ‫پست‬ ‫که‬ ‫است‬ ‫کاربرانی‬ ‫تعداد‬j‫و‬z‫فرستاده‬
‫اند‬
N‫نیز‬‫های‬ ‫سایت‬ ‫به‬ ‫مشترک‬ ‫پیوندهای‬ ‫تعداد‬‫در‬ ‫مختلف‬
‫های‬ ‫بالگ‬j‫و‬z‫می‬‫باشد‬
wT،wU‫و‬wN‫برای‬ ‫ضرایبی‬ ،T،N‫و‬U‫هستند‬
‫الگوریتم‬ ،‫ها‬ ‫بالگ‬ ‫به‬ ‫دهی‬ ‫وزن‬ ‫از‬ ‫بعد‬PageRank‫می‬ ‫بدست‬
‫آید‬
28/30

29. Reference
1) Page, L., Brin, S., Motwani, R., Winograd,T., "The PageRank Citation Ranking:Bringing
Order to theWeb",Technical Report. Stanford InfoLab, 1999
2) Xing,W., Ghorbani,A., "Weighted PageRank Algorithm", Proceedings of the Second
Annual Conference on Communication Networks and Services Research (CNSR’04),
IEEE, pp. 305- 314, 2004.
3) Dorigo, M., Maniezzo,V., Colorni, A., "Ant System:Optimization by a Colony of
Cooperating Agent", IEEE, vol.26, pp.29-41,1996.
4) Marc Najork, Hugo Zaragoza,MichaelTaylor, “HITS on the web: How dose it
Compare”?
5) Ko Fujimmura,Takafunmi Inoue and Masayuki Sugisaki.The EigenRumor algorithm for
ranking blogs. InWorkshop on theWeblogging Ecosystem, 2005.
29/30

30. ‫آخر‬ ‫سخن‬
Question?
30/30