GNN学习 PageRank (更新中)
GNN学习 PageRank
Graph as Matrix
将图表示为矩阵有三个好处
- 通过Random walk确定node的重要性
- 通过矩阵因式分解(MF)获得node embedding
- 将其他的node embedding表示为MF
Web as Graph
可以将web看作一个图
- node就是web page
- edge就是超链接
但是并不是所有的页面都是有效的，所以我们要给网页分级
我们可以用链接分析方法来计算图中node的重要性
- PageRank
- Personalized PageRank (PPR)
- Random Walk with Restarts
Links as votes
如果一个页面有越多的链接，那么这个页面就越重要