论文--Topic-Sensitive PageRank

背景

• 原有的PageRank方法：通过web上链接结构信息得到页面之间相对的重要性，和特定的查询内容无关

论文涉及到的其他算法

1. HITS
2. Hilltop，处理常见的流行查询 popular query
3. 基本的PageRank算法，我们使用如下迭代来计算ranks得分$$forall{v}Rank_{i+1}(v)=sum_{uin{B_{v}}}Rank_i(u)/N_u$$直到rank向量达到一个稳定的阈值

论文关注点

• 选取与查询相关的多个话题的PageRank向量集合，通过计算得到一个更精确的与特定话题相关的查询结果，每次都给各个页面赋予一个和此特定话题相关的得分
• 新方法保证了基于链接的评分与查询挂钩，并且有较小的实时查询处理时间
• 利用Open Directory和一元语言模型来对话题进行表示
• 我们可以从各个维度来得到某个用户某个查询q的context，譬如说查询历史记录，层次目录结构，用户保持的书签等。

论文研究方法

概要：每个页面都有一个得分的集合，针对每一个特定的topic

步骤：

1. 找到一系列基本的topic集合，计算出一系列的PageRank Vectors。基本的类集合是从ODP数据集中得到。
2. 第二步是在查询时进行的。 1). 首先确定查询q的上下文q'（分为两种情况）； 2). 计算得到每一个类在q'下的条件概率$$P(c_j|q')$$(利用贝叶斯公式);在使用$$P(c_j)$$时可以根据用户而决定特定的值 3). 对于每个文档d，我们可以计算他的query-sensitive得分 $$s_{qd}=sum_jP(c_j|q')cdot{rank_{jd}}$$

实验结果

---

数据来源：the latest Web crawl from the Stanford WebBase, 2001

---

4.1 Similarity Measure for Induced Rankings

评价指标：$$OSim( au_1, au_2)$$,衡量两个方法之间的URLs的重复的多少 Kendall's $$ au$$ distance measure: is the probability that $ au_1'$$ and $ au_2'$$ agree on the relative ordering of a randomly selected pair of distinct nodes $$(u,v)in{U imes{U}}$$

4.2 Effect of ODP-Biasing

研究了主题的选择以及bias factor $alpha$ 对rankings的影响 1. $alpha$的选择对评分的结果不是很sensitive 2. 应用不同的topically-biased PageRank vectors到同一个查询，结果相差较大

4.3 Query-Sensitive Scoring

我们研究了如何高效的利用PageRank Vectors来提高ranking precision 对于每个方法采取Top10个结果，并组织5个志愿者人工判定，结果表明topic-sensitive PageRank方法的结果比原有的PageRank方法好很多

4.4 Context-Sensitive Scoring

通过query term的上下文来决定使用的topic PageRank vector 基于context的查询方法有更好的返回结果，返回内容大都跟query term的具体意义相关

未来计划

提高改进页面和话题之间权重得分的计算方法，分别在独立的或者同IR评分结合的两个角度进行评价