10.3.1: Регулярні ланцюги Маркова (вправи)
- Page ID
- 67131
РОЗДІЛ 10.3 НАБІР ЗАДАЧ: РЕГУЛЯРНІ ЛАНЦЮГИ МАРКОВА
- Визначте, чи є наступні матриці регулярними ланцюгами Маркова.
|
|
|
|
- Компанія I і Company II конкурують один з одним, а матриця переходу для людей, які переходять з Компанії I на Компанію II, наведена нижче.
|
|
- Припустимо, матриця переходу для тенісиста наступна, де С позначає постріли крос-корту, а D позначає постріли вниз по лінії.
|
|
- Професор Хей ніколи не замовляє яєць два дні поспіль, але якщо він замовляє тофу один день, то є однакова ймовірність, що він замовить тофу або яйце на наступний день.
Знайдіть наступне:
|
|
- У програмі bikeshare з 3 велосипедними станціями, A, B і C, люди можуть позичити велосипед на одній станції і повернути його на ту саму станцію або будь-яку з двох інших станцій. Матриця переходу буває:
Знайдіть наступне:
|
|
|
|
- Припустимо, що країна має 3 політичні партії: Консервативна (C), Ліберальна (L) та Національна (N) партії. Якщо особа голосує за кандидата від однієї партії на виборах, ця особа може вирішити проголосувати за ту саму партію на наступних виборах або може перейти на голосування за кандидата від іншої партії на наступних виборах. Матриця переходу буває:
Припустимо, що вибори проводяться щороку, тому перехідний час становить один рік. Знайдіть наступне.
|
|
|
|
|
|
Питання 7 стосується наступного:
Марківські ланцюги грають важливу роль в онлайн-пошуку.
«PageRank - це алгоритм, який використовується Google Search для ранжування веб-сайтів у своїх результатах пошуку. PageRank був названий на честь Ларрі Пейджа, одного із засновників Google. PageRank — це спосіб вимірювання важливості сторінок веб-сайту»
Джерело: https://en.Wikipedia.org/wiki/PageRank за Ліцензією Creative Commons Із зазначенням авторства — Поширення На Тих Самих Умовах
Теорія PageRank полягає в тому, що сторінки, на які посилаються частіше, є більш важливими та корисними; виявлення тих, на які частіше посилаються теми, допомагає визначити сторінки, які повинні бути представлені як найбільш відповідні в пошуку.
У реальному світі пошуку є тисячі або мільйони сторінок, що зв'язуються між собою, що призводить до величезних матриць переходу. Через розмір та інші властивості цих матриць математика за PageRank є більш складною, ніж невеликий приклад, який ми розглядаємо тут лише з чотирма веб-сайтами. Однак наш приклад адекватний, щоб передати основну концепцію PageRank і її використання в пошукових алгоритмах.
Слід зазначити, що алгоритми пошуку в реальному світі, PageRank або аналогічні схеми ранжирування ланцюга Маркова - це лише один з безлічі використовуваних методів.
Припустимо, у нас є 4 веб-сторінки, які містять посилання один на одного. Називаємо сторінки A, B, C, D.
- Зі сторінки А 30% людей посилаються на сторінку B, 50% посилання на сторінку C і 20% посилання на сторінку D
- Зі сторінки B 50% popele посилання на сторінку A і 50% посилання на сторінку D
- З сторінки C 10% людей посилаються на сторінку B, 70% посилання на сторінку C і 20% посилання на сторінку D
- Зі сторінки D 20% людей посилаються на сторінку A, 40% на сторінку B, 10% на сторінку C, 30% - на сторінку D
(У цьому прикладі, коли сторінка посилається на себе, це означає, що людина, яка переглядає сторінку, залишається на цій сторінці і не посилається на іншу сторінку.)
|
|
|
|
|