[发明专利]一种动态网络PageRank值的实时跟踪方法

摘要

本发明公开了一种动态网络PageRank值的实时跟踪方法。针对随机游走会再次访问网络中的节点和边的情况，本发明引入一种重访问概率模型。在更新PageRank值时，首先依据重访问概率模型计算出需要调整的随机游走路径的精确数量，然后从保存的历史路径中删除并重新模拟相应数量的随机游走路径，得到更新后的PageRank值。每次网络中有新的边加入或者移除时，就对现有的PageRank值进行实时的增量更新，从而达到动态网络PageRank值的跟踪目的。本发明提出的方法适用于大规模的动态网络，显著提升了动态网络PageRank值的跟踪效率，并且在长期的跟踪过程中不会累积误差。

主权项

1.一种动态网络PageRank值的实时跟踪方法，其特征在于，包括以下步骤：步骤1、对于初始网络，以网络中的每个节点为起始点，以重置概率∈模拟R条随机游走，保存所有得到的随机游走路径，并且对于网络中的每个节点u，保存状态值S(u)和V(u)；步骤2、有新的边e(u，w)加入网络或者从网络中移除，依据重访问概率模型计算出需要调整的随机游走路径数量M；M的值的计算方式为：当添加边e(u,w)时,需要调整的随机游走路径数量M＝|S(u)|/(d(u)+1‑d(u)*R(u))，其中d(u)为节点u的出度；当删除边e(u,w)时，需要调整的随机游走路径数量M为经过边e(u,w)的随机游走路径数量；步骤3、从与网络变化有关的随机游走路径中随机选取中M条进行调整；随机游走路径的调整方式为：当添加边e(u,w)时，对于每条经过节点u的随机游走路径，以M/|S(u)|的概率从路径第一次经过节点u的位置开始，使其经过边e(u,w)重新模拟随机游走；当删除边e(u,w)时，对于所有经过边e(u,w)的随机游走路径，从路径第一次经过节点u的位置开始重新模拟随机游走；步骤4、如果同时有节点新加入或者被移除，则进行相应的处理，具体处理方式为：如果有节点u新加入网络中,则在上述路径调整的工作外，以节点u为起始点模拟R条随机游走，并将产生的路径保存；如果有节点u被从网络中删除，则从哈希表中删除所有起始点为u的随机游走路径；步骤5、通过归一化所有节点的V(u)组成的向量，得到更新后的PageRank值；步骤6、如果网络再次变化，返回步骤2。