Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Classement basé sur les liens : PageRank & HITS

Dans cours

CS-423: Distributed information systems

This course introduces the foundations of information retrieval, data mining and knowledge bases, which constitute the foundations of today's Web-based distributed information systems. ...

Description

Cette séance de cours couvre les concepts de classement basé sur les liens, en se concentrant sur les algorithmes PageRank et HITS. Il explique comment le texte d’ancrage, l’autorité et les pages centrales influencent le classement. Des exemples pratiques et des défis dans les méthodes de recherche et de classement sur le Web sont discutés, y compris le calcul du PageRank et la convergence des HITS. La séance de cours se penche également sur la mise en œuvre de HITS, le calcul des hubs et des autorités, et le serveur de connectivité pour l'analyse des graphes Web.

Enseignant·e

Karl Aberer

Co-Founder of LinkAlong Sarl, 2017.Vice-president EPFL for Information Systems, 2012 –2016.Director of the Swiss National Centre for Mobile Information and Communication Systems NCCR MICS (mics.ch), 2005 -2012.Member of the Swiss Research and Technology Council SWTR, consulting the Swiss Federal government, 2004 - 2011.

Source officielle

Concepts associés (32)

PageRank

thumb|Illustration du PageRank. Le PageRank ou PR est l'algorithme d'analyse des liens concourant au système de classement des pages Web utilisé par le moteur de recherche Google. Il mesure quantitativement la popularité d'une page web. Le PageRank n'est qu'un indicateur parmi d'autres dans l'algorithme qui permet de classer les pages du Web dans les résultats de recherche de Google. Ce système a été inventé par Larry Page, cofondateur de Google. Ce mot est une marque déposée. Le théorème de point fixe est le concept mathématique .

Robot d'indexation

alt=Architecture d'un robot d'indexation|vignette|270x270px|Architecture d'un robot d'indexation Un robot d'indexation (en anglais web crawler ou web spider, littéralement araignée du Web) est un logiciel qui explore automatiquement le Web. Il est généralement conçu pour collecter les ressources (pages Web, , vidéos, documents Word, PDF ou PostScript, etc.), afin de permettre à un moteur de recherche de les indexer.

Lien retour

Un lien retour (aussi appelé lien entrant ou lien arrivant ; en anglais, inbound link, inlink ou backlink) est un hyperlien pointant vers un site ou une page Web. La qualité du lien retour et le nombre de liens retour pointant vers un site ou une page fournissent une indication de la réputation de ce site ou de cette page. Plus précisément, un lien retour correspond à n'importe quel lien reçu par un nœud du Web (page Web, annuaire, site Internet, ou Domaine de premier niveau) depuis un autre nœud du Web.

Web profond

Le web profond (en anglais deep web), appelé aussi toile profonde ou web invisible (terme imprécis) décrit dans l'architecture du web la partie de la toile non indexée par les principaux moteurs de recherche généralistes. Ce terme est parfois aussi utilisé de manière abusive pour désigner les contenus choquants et peu visibles que l'on trouve sur le web. En 2001, Michael K. Bergman compose l'expression deep web pour le vocabulaire des moteurs de recherche. Ce terme est construit par opposition au web surfacique ou web référencé.

Liste d'adjacence

thumb|Pour chaque sommet, la liste d'adjacence est représentée en jaune. En algorithmique, une liste d'adjacence est une structure de données utilisée pour représenter un graphe. Cette représentation est particulièrement adaptée aux graphes creux (c'est-à-dire peu denses), contrairement à la matrice d'adjacence adaptée aux graphes denses. La liste d'adjacence d'un graphe non orienté, est la liste des voisins de chaque sommet. Celle d'un graphe orienté est typiquement, pour chaque sommet, la liste de nœuds à la tête de chaque arête ayant le sommet comme queue.

Afficher plus

Séances de cours associées (30)

Markov Chains: Algorithme de PageRank

Explore l'algorithme PageRank au sein des chaînes de Markov, en mettant l'accent sur l'ergonomie et la convergence pour le classement des pages Web.

Graphiques : Propriétés et représentations

Couvre les propriétés du graphique, les représentations et les algorithmes de traversée à l'aide de BFS et de DFS.

Modèles graphiques : Représentation des distributions probabilistes

Couvre les modèles graphiques pour les distributions probabilistes à l'aide de graphiques, de nœuds et de bords.

Arbre de recherche binaire optimal

Explore les arbres de recherche binaires optimaux pour minimiser le coût de recherche attendu et discute de la représentation des graphiques à l'aide de matrices et de listes d'adjacence.

Réseaux: Computer Representation MOOC: Optimisation : principes et algorithmes - Optimisation discrète et en réseau

Couvre le concept de matrice d'adjacence et de listes d'adjacence pour représenter les réseaux.

Afficher plus

Concepts associés (32)