PageRank è una misura fondamentale della centralità dei nodi di un grafo. Tale misura ha molte applicazioni nell’analisi di reti in diversi domini, come ad esempio l’identificazione di pagine web rilevanti, una tecnica chiave per lo sviluppo e il successo del motore di ricerca Google. Dato che il calcolo esatto di questa misura è oneroso per grafi di grandi dimensioni, questa tesi presenta e valuta sperimentalmente un algoritmo efficiente, basato su un approccio di tipo Monte Carlo, in grado di restituirne approssimazioni accurate.
Valutazione sperimentale di algoritmi di approssimazione Monte Carlo per PageRank
FRIGHETTO, EDDY
2022/2023
Abstract
PageRank è una misura fondamentale della centralità dei nodi di un grafo. Tale misura ha molte applicazioni nell’analisi di reti in diversi domini, come ad esempio l’identificazione di pagine web rilevanti, una tecnica chiave per lo sviluppo e il successo del motore di ricerca Google. Dato che il calcolo esatto di questa misura è oneroso per grafi di grandi dimensioni, questa tesi presenta e valuta sperimentalmente un algoritmo efficiente, basato su un approccio di tipo Monte Carlo, in grado di restituirne approssimazioni accurate.File in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
Frighetto_Eddy.pdf
accesso riservato
Dimensione
2.25 MB
Formato
Adobe PDF
|
2.25 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/52377