贝叶斯是概率理论的一个主要的分支。基于贝叶斯的推理网络模型和信任度网络模型以及权重网络模型也是衍生出来的概率计算。
贝叶斯也是计算节点间的因果关系为主的技术,通过贝叶斯可以使我们深刻的理解客户行为顺着link的路径的有向无环结构。当然每个节点都是随机节点来计算。
同时这些节点的关系也是搜索计算页面的权重的根本,这也就是优化的实质。
当然对于某个随机节点,搜索是多索引词的数组概念的计算。
推理网络模型和信任度网络模型我研究了一下,实际最大的差异就是拓扑结构的差异。
信任度网络模型多了个清晰的样本空间,但是这个样本的获得可以是分类,也可以是聚类的结果。针对不同的索引词会产生不同的样本,但是搜索最终的计算结果,也就是排序结果是一定的,这就说明针对相同的索引词必须采用相同的样本,才有公正的排序结果。