★P〓P★的随笔

现在的网络搜索方法实际上是做文档级排名和检索，与之相对比，我们在探索一种新的聚合体以实现在对象级的网络检索。我们搜集与某一特定领域有关的对象的网络信息，并按照应答用户查询的相关性和流行度对这些对象进行排名。由于不同对象间不均匀性的存在，传统的PageRank模型在计算对象的popularity时不再有效。这篇论文介绍了PopRank，一种对一个特殊域的对象排名的域独立、对象级链接分析模型。我们明确的对每一类对象关系分配一个流行度传播因子（PPF），研究不同种类关系的不同PPF怎样影响popularity rangking。建议一种自动决定这些系数的途径。我们的实验使用一百万篇CS论文，试验结果表明，在对象图上使用PopRank可以获得比PageRank更好的排名结果。