Web Page Rank Prediction with Markov Models

Michalis Vazirgiannis 1 Dimitris Drosos 1 Pierre Senellart 2 Akrivi Vlachou 1
2 GEMO - Integration of data and knowledge distributed over the web
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
Abstract : In this paper we propose a method for predicting the ranking position of a Web page. Assuming a set of successive past top-k rankings, we study the evolution of Web pages in terms of ranking trend sequences used for Markov Models training, which are in turn used to predict future rankings. The predictions are highly accurate for all experimental setups and similarity measures.
Type de document :
Communication dans un congrès
WWW, Apr 2008, Beijing, China. 2008
Domaine :
Liste complète des métadonnées

Littérature citée [5 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00260431
Contributeur : Pierre Senellart <>
Soumis le : mardi 4 mars 2008 - 11:06:28
Dernière modification le : jeudi 11 janvier 2018 - 01:49:36
Document(s) archivé(s) le : vendredi 28 septembre 2012 - 10:35:29

Fichier

vazirgiannis2008web.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00260431, version 1

Collections

Citation

Michalis Vazirgiannis, Dimitris Drosos, Pierre Senellart, Akrivi Vlachou. Web Page Rank Prediction with Markov Models. WWW, Apr 2008, Beijing, China. 2008. 〈inria-00260431〉

Partager

Métriques

Consultations de la notice

183

Téléchargements de fichiers

873