Şimdiye kadar sunulan her iki geri bildirim merkeziliği de pozitif geri bildirim fikrini takip eder: bir tepe noktasının merkeziliği, diğer yüksek değerli köşelere bağlıysa daha yüksektir. 1987’de bu kavramla sınırlı olmayan bir merkezilik önerdi. Onun fikri hem iletişim ağlarında görülen olumlu etkiyi hem de pazarlık durumlarında görülen olumsuz etkiyi destekler.

Pazarlık durumlarında, bir katılımcı, başka seçeneği olmayan ve bu nedenle zayıf olan bireylerle bağlantılıysa güçlüdür. Bonacich’in pazarlık merkeziliği, ağırlıksız ve yönlendirilmiş G = (V,E) döngüleri olmayan grafikler için tanımlanır. Bu nedenle komşuluk matrisi zorunlu olarak simetrik değildir ve yalnızca sıfırlar ve birler içerir.

Matris gösteriminden kolayca görülebileceği gibi, α parametresi sadece bir ölçeklendirme faktörüdür. Bonacich, ni=1 cα,β(i)2 = n olacak şekilde bir değer önerir. Bu nedenle sadece ikinci parametre β ilgi çekicidir. Bu parametre, sırasıyla pozitif veya negatif etkiyi kapsayan pozitif veya negatif olarak seçilebilir.

β = 0 seçimi, merkeziliğin köşelerin derecesi ile ilişkili olduğu önemsiz bir çözüme götürür. β için negatif bir değer, köşelerin merkezilikleri için negatif değerlere yol açabilir. Ek olarak, denklemden daha büyük |β| ağ yapısının merkezilik indeksi üzerindeki etkisi o kadar yüksek olur.

(I − βA)’nın tersi varsa denklem çözülebilir. Buna göre, A’nın hiçbir özdeğeri 1’e eşit değilse bu ters vardır. Biz cα,β’yı pazarlık merkeziliğine cBRG olarak adlandırıyoruz. Bu alt bölümde, sunulduğu yerde geribildirim merkezilik değerlerini ölçmek için üç farklı yaklaşım bulunmaktadır. Çok benzer görünüyorlar, ancak farklılıklar, örneğin ağırlıklı ve ağırlıksız kenarların kapsamı veya pozitif ve negatif etki ağlarının kapsamı.

Web Merkezleri

Pek çok kişi, ilginç konular hakkında bilgi aramak için World Wide Web’i kullanır. Köprülerle birbirine bağlanan Web sayfalarından oluşan ağın muazzam boyutundan dolayı güçlü arama motorları gereklidir. Ancak bir arama motoru, belirli bir arama sorgusu için hangi Web sayfalarının uygun olduğuna nasıl karar verir?

Bunun için Web sayfalarını alaka düzeyine veya önemine göre puanlamak gerekir. Bu kısmen, sayfaların içeriği içinde salt metin araması ile yapılır. Ek olarak, arama motorları sayfaları sıralamak için ağın yapısını kullanır ve burada merkezilik endeksleri devreye girer.

Bu bölümde, Web puanlama algoritmalarının üç ana temsilcisini tartışacağız:

– Sayfa Sıralaması
– Merkezler ve Yetkililer
– SALSA

PageRank yalnızca topolojik yapıyı hesaba katarken, son iki algoritma Web sayfasının “metinsel önemi” ile “topolojik önemi”ni birleştirir. Ayrıca, Merkezler ve Yetkililer (bazen HITS algoritması olarak da adlandırılır), her Web sayfasına merkez ve yetki adı verilen iki puan değeri atar. Bu bölümün sonunda tartışılan üçüncü yaklaşım olan SALSA, bir anlamda diğerlerinin bir birleşimidir.

Aşağıda Web’in, Web sayfaları ve v ∈ V köşeleri ile bağlantılar ve yönlendirilmiş kenarlar () arasında bire bir karşılık gelen bir G = (V, E) digrafıyla temsil edildiğini varsayıyoruz ( v, w) ∈ E.

Web sitesi Nedir örnek
Web sitesi Nedir, Ne İşe Yarar
Web sunucu programları nelerdir
Web server çeşitleri
Web sitesi Ne İşe Yarar
Web sunucusu örnekleri
Web server ne demek
Web sitesi Nedir kısaca

Rastgele Sörfçü Modeli

Web grafiğinin analizi için uygun merkezilik indekslerini tanımlamadan önce, bir Web sörfçüsünün davranışını modellemek yararlı olabilir. En yaygın model, bir kullanıcının Web’de gezinmesini Web grafiği içinde rastgele bir yürüyüş olarak simüle eder.

Grafiklerde rasgele yürüyüş kavramı tanıtıldı. G = (V,E) Web grafiği resmi olarak V olarak tanımlanır, tüm Web sayfalarının kümesi pi burada e = (pi,pj) ∈ E kenarı iki sayfa arasına çizilir, ancak ve ancak pi sayfası bir sayfaya bağlantı gösteriyor.

Web grafiği genellikle güçlü bir şekilde bağlı olmadığından, temeldeki geçiş matrisi T indirgenemez değildir ve hatta stokastik bile olmayabilir, çünkü ‘yutanlar’ (giden bağlantıları olmayan köşeler) mevcut olabilir. Bu nedenle, Web grafiğinin T geçiş matrisi, karşılık gelen Markov zinciri durağan bir dağılıma yakınsayacak şekilde değiştirilmelidir.

T matrisini stokastik yapmak için, sörfçünün havuza vardıktan sonra rastgele bir sayfaya atladığını varsayarız ve bu nedenle havuzlar için tüm satırların tüm girişlerini 1 olarak ayarlarız. Değiştirilmiş geçiş matrisi T’nin tanımı n’dir.

Bu matris stokastiktir ancak indirgenemez değildir ve durağan dağılımın π’ hesaplanması mümkün olmayabilir. Bu nedenle, indirgenemez bir T” versiyonu elde etmek için matrisi yeniden değiştiririz. E = 1 1T 1 tüm girişleri 1 olan nnn matrisi olsun. Bu matris, ‘rastgele atlama’ matrisi olarak yorumlanabilir.

Her sayfaya her sayfadan aynı olasılıkla doğrudan ulaşılabilir. Geçiş matrisini indirgenemez yapmak için bu yeni E matrisini mevcut T matrisine ekleriz.

α faktörü, 0 ila 1 aralığından seçilir ve T’ kullanarak sayfadaki bir bağlantıyı takip etme veya E kullanarak rastgele bir sayfaya atlama olasılığı olarak yorumlanabilir. T” matrisi, yapısal olarak stokastiktir. ve indirgenemez ve durağan dağılım π” örneğin güç yöntemiyle hesaplanabilir.

E’yi değiştirerek, rastgele atlama kavramı, örneğin daha fazla önyargılı bir sörfçüye göre ayarlanabilir. Bu tür değişiklikler doğrudan burada sunulan Web merkezilik endekslerinin kişiselleştirilmiş bir versiyonuna yol açar.

Sayfa Sıralaması

PageRank, Google arama motorunun ana bileşenlerinden biridir ve sunulmuştur. Ana fikir, bir Web sayfasını topolojik özelliklerine, yani ağdaki konumuna göre, ancak içeriğinden bağımsız olarak puanlamaktır. Bir Web sayfasının puanı veya merkeziliği, ona bağlanan Web sayfalarının sayısına ve merkeziliğine bağlı olduğundan, PageRank bir geri bildirim merkeziliğidir.

Bu, matris gösteriminde p = 1 a veya P = D+A’ya eşdeğerdir; burada ij d+(j) ji D+, i’inci köşegen girişinin i köşesinin dış derecesini içerdiği köşegen matrisi belirtir. Çoğunlukla, doğrusal sistem 3.43, basit bir güç (veya Jacobi) yinelemesi ile çözülür.

PageRank’in sunumundan kısa bir süre sonra Kleinberg, Web sayfalarını merkez ve otorite adı verilen iki farklı “ölçeğe” göre puanlama fikrini ortaya attı.

PageRank’in aksine Kleinberg, bir Web sayfasının içeriğini de puanlama sürecine dahil etmeyi önerdi. Bir Web sayfasının merkezini ve yetki değerlerini belirlemek için ilgili algoritma iki aşamadan oluşur; burada birinci aşama arama sorgusuna bağlıdır ve ikinci aşama yalnızca ilgili ağın bağlantı yapısıyla ilgilenir.

The post  Web Merkezleri – Bilgisayar Bilimleri Ödevleri – Bilgisayar Bilimleri Ödev Hazırlatma – Bilgisayar Bilimleri Alanında Tez Yazdırma – Bilgisayar Bilimleri Ödev Yaptırma Fiyatları first appeared on Online (Parayla Ödev Yaptırma).