图算法（二）：PersonalRank算法【适用场景：商品推荐、好友推荐和网页推荐等】【继承了经典PageRank算法的思想，利用图链接结构来递归计算各节点的重要性】

淡淡的烟草味﹌ 2023-09-28 08:26 11阅读 0赞

PersonalRank算法又称Personalized PageRank算法。该算法继承了经典PageRank算法的思想，利用图链接结构来递归计算各节点的重要性。

与PageRank算法不同的是，为了保证随机行走中各节点的访问概率能够反映出用户的偏好，PersonalRank算法在随机行走中的每次跳转会以（1-alpha）的概率返回到source节点，因此可以基于source节点个性化地计算网络节点的相关性和重要性。

PersonalRank值越高，source节点的相关性/重要性越高。

**适用场景**：PersonalRank算法适用于商品推荐、好友推荐和网页推荐等场景。

PageRank\[1\]是Google创始人拉里·佩奇和谢尔盖·布林于1997提出的用于客观评价网页的重要度的方法，最初的PageRank算法是主题无关的，它不依赖于任何特定的搜索查询。为了得到主题相关的搜索结果，Haveliwala提出主题敏感的PageRank方法，称为PersonalRank\[2\]，该方法用于在二分图中为用户进行推荐。二分图又称为二部图，是图论中的一种特殊模型，设G=(V,E) 是一个图，如果顶点V可分割为两个互不相交的子集(A, B)，并且图中的每条边(i, j)所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A, j in B) ，则称图G为一个二分图，如图所示：  
![在这里插入图片描述][3ddbbc34ebb947fcb3fc01427274756d.png]

--------------------

参考资料：  
[PersonalRank算法][PersonalRank]  
[PersonalRank：一种基于图的推荐算法][PersonalRank 1]  
[Personal Rank算法的原理及实现][Personal Rank]

[3ddbbc34ebb947fcb3fc01427274756d.png]: https://img-blog.csdnimg.cn/3ddbbc34ebb947fcb3fc01427274756d.png
[PersonalRank]: https://support.huaweicloud.com/usermanual-ges/ges_01_0045.html
[PersonalRank 1]: https://www.cnblogs.com/zhangchaoyang/articles/5470763.html
[Personal Rank]: https://blog.csdn.net/bull521/article/details/118458099