🏅
🏅
🏅
🏅
edu
Search…
⌃K

Hubs / Authorities

Hilft dir meine Webseite weiter? Falls du dieses Projekt unterstützen möchtest, kannst du mir gerne einen Kaffee an paypal.me/markusbilz spenden. Danke.️
12 Authority and Hub Algorithmen
F: Beschreiben Sie den Algorithmus zur Erstellung eines Teilgraphen des World-Wide Webs auf Basis der besten
tt
Ergebnisse einer Suchmaschine im Pseudo-Code. (Nur oberste Ebene. Kein Pseudocode von Funktionen bzw. Prozeduren!)
A:
Siehe hierzu Geyer-Schulz (2020 S. 30):
ExtrahiereTeilgraph(nu; SE; t; d):
nu: Suchstring;
SE: Suchmaschine;
t <= 200: Anzahl Startseiten;
d in N: maximale Anzahl von Vorgängern;
R_nu: besten t Resultate von SE auf nu
S_nu := R_nu
For Each Seite p 2 R_nu Do
G+(p) := Eltern(p);
G-(p) := Kinder(p);
S_nu := S_nu join G+(p);
If | G-(p) | <= d Then
S_nu := S_nu join G-(p);
Else
S_nu := S_nu join Random(G-(p); d);
End
Return S_nu;
F: Welche Heuristiken sollten zum Filtern dieses Teilgraphen verwendet werden und warum? (Mindestens 2)
A:
Es bestehen 3 Probleme, die durch Filtern der Teilgraphen gelöst werden sollen:
  • Reine Navigationslinks entfernen
  • Werbung entfernen
  • Relevante vs. Populäre Seiten unterscheiden
Folgende Heuristiken lösen oben genannte Probleme. (Jeweils gehört Heuristik 1 zu Problem 1 usw.)
  • Heuristik zur Elimination von Navigationslinks:
    • G[Sν]G\left[S_{\nu}\right]
      Teilgraph der Seiten in
      SνS_{\nu}
      .
    • Man unterscheidet:
      • Links zwischen Seiten aus verschiedenen Domänen
      • Links zwischen Seiten einer Domäne
    • Wir löschen alle Links zwischen Seiten in einer Domäne.
  • Heuristik, um Werbung zu filtern (eliminieren): Höchstens
    mm
    Seiten (z. B. 4-8) aus einer Domäne dürfen auf
    pp
    zeigen.
  • Heuristik, um populäre Seite zu filtern: Der In-Degree von
    pp
    ist die Anzahl der Links, die auf
    pp
    zeigen. Populäre Seiten haben hohen In-Degree und geringe Authority. Wir entfernen alle Seiten, die diese Eigenschaften erfüllen. (Geyer-Schulz 2020 S. 32)
F: Erklären Sie die Linkstruktur von populären Seiten, von Hubs and Authorities!
A:
Populäre Seiten: Seiten mit hohem In-Degree d. h. vielen eingehenden Links.
(Eigene Darstellung)
Hubs: Seite, die auf viele Authorities verweist.
(Eigene Darstellung)
Authorities: Wird von vielen Hubs empfohlen.
(Eigene Darstellung)
Zwischen Hubs und Authorities besteht Wechselwirkung, da sie sich gegenseitig verstärken (Geyer-Schulz 2020 S. 33).
F: Wie ermitteln Sie die Gewichte von Hubs bzw. Authorities?
A:
Siehe Geyer-Schulz (2020 S. 35):
Authority:
xpq:(q,p)Eyqx_{p} \leftarrow \sum_{q:(q, p) \in E} y_{q}
Hub:
ypq:(p,q)Exqy_{p} \leftarrow \sum_{q:(p, q) \in E} x_{q}

Quellen:

Geyer-Schulz, Andreas. 2020. “Relevante Objekte Empfehlen: Der Erste Eigenvektor Eines Graphen - Recommendersysteme.”