资 源 简 介
Rankingis 各种应用程序如信息检索、 自然语言处理、 计算生物学和社会科学中的重要问题。对排名对象根据 theirdegrees 的相关性和重要性，提出了许多的排名方法。超出这两个目标，多样性具有推公认的排名的一个重要标准。排名结果将传达尽可能少的冗余信息成为可能，并涵盖尽可能多方面。然而，现有的排名方法采取懒汉的多样性，或者单独处理一些启发式算法。本文介绍了一种新的方法，流形排名汇点 （MRSPs），以解决多样性以及关联和在排名中的重要性。具体来说，我们的方法使用一个流形，排名在 datamanifold，可以自然地找到最相关和最重要的数据对象的过程。与此同时，转动到汇点在 datamanifold 上排名对象，我们可以有效地防止多余物体接收 highrank。MRSP 不仅显示了很好的收敛性，而且也有一个有趣和令人满意的最优化解释。我们应用 MRSP twoapplication 任务、 更新总结和查询的建议，wherediversity 在排名中的极大关注。在这两个 taskspresent 相比，现有 rankingapproaches MRSP 表现强劲实证上的实验结果。
