由随机游走模型说起

随机游走模型可以预测不同节点之间的潜在关系，如下面图的例子： 在上图中，q表示为查询，d表示为文档，如果有直线相连，就表示相关，q1和d1，d2相连，则d1和d2都是q1的相关文档，但是d3没有和q1相连（实线），那么他们之间就没有关系了么？不是的，通过与q2相关的文档发现，d3和q1是有关系的，原因是d1，d2和d3与q2都相关，那么他们之间是有关系的。这个查询和文档组成的网络中，相关的关系，是可以传递的，这个是比较重要的。 上面是随机游走的一个例子，至于例子背后的原理，这正是我12年上半年要深入了解的东西。对于随机游走模型求解，我目前知道两种方法，一种是将图表示为矩阵，然后矩阵自乘知道收敛，矩阵中的值，就是关系的程度了；另一种是基于图的计算，判断是否连通，以及连通的距离等。这些方法也需要进一步的研究、深入。 打算深入随机游走模型和复杂网络，主要的动机是我正在做微博数据挖掘的工作，是我目前的主要兴趣，挖掘的目标就是微博关注的关系。已经有一些基于图的naive的方法，需要在理论上进一步加深。另外，今年kdd的第一个task就是微博数据挖掘，目标是推荐微博用户潜在的关注对象。这个问题，我之间有深入考虑过，而且实现一个效率比较低的方法，但是准确度非常高。基本思想就是发现有重叠的社团结构，将这个作为基础，寻找差异，差异的结果就可以作为推荐。最核心，也最基础的就是，要准确的找到社团结构。我想通过对复杂网络的理解和研究，改进算法，应该能有个漂亮的结果，所以，打算参加一下kdd，以弥补我硕士三年的遗憾。 【引用】

 http://book.51cto.com/art/201107/276845.htm