演算法思想流程：
演算法分別研究了三結點簡單模式和anchor模式，四結點和五結點模式，因為基於邊和基於模式的在使用者排名中是互補的。
演算法首先輸入引文資料，構造圖g，得到其簡單的鄰接矩陣w，然後根據
然後根據表1和表2的公式分別得到每種模式的鄰接矩陣。
注：公式原理，比如m7三角模式的鄰接矩陣中的第一行第二列值為3，代表節點1和節點2在複雜網路**現在m7三角模式中三次。
然後根據線性和非線性組合公式
得到線性和非線性的hmk。其中α∈[0,1]，平衡了以邊為基礎和以模式為基礎的關係。
然後根據
用pmk代替
向量xt是所有pagerank值的疊加，d是阻尼因子，給沒有傳入邊的結點分配一些權值，n是結點的總數。這樣就得到每個使用者基於模式的的pr值，然後根據pr值進行排序。
如何評價排序結果的好壞？用ndcg。
啥是ndcg？即歸一化折扣累積增益，排名的結果相關性越高的使用者排名越靠前，ndcg的結果就越高。
使用者p的ndcg為：
要想理解ndcg，首先要從cg開始理解。
cg表示將推薦列表中每個推薦結果相關性的分值累加後的值。
reli表示位置i的推薦結果的相關性，k表示推薦列表的大小。cg沒有考慮推薦結果在推薦列表中的位置，比如我們希望相關性大的結果排在前面，相關性低的排在後面。舉例：假設搜尋「籃球」，最理想的結果是：b1，b2，b3。而出現的結果是b3，b1，b2。對cg來說，結果並不會變化，故需要dcg。dcg是在cg上引入了位置影響因素。
根據
從而最終得到ndcg。
文章還探索了模式的整體效果，以三結點簡單模式為例，用7個簡單模式的鄰接矩陣相加並求平均得到的矩陣。用此矩陣來進行如上計算。
實驗結果表明，得出mpr不能通過整體圖得到進一步的提高，甚至可能會因為一些模式的效能不太好而損害效能，導致ndcgs的降低。
4結點和5結點模式的鄰接矩陣沒有簡單的矩陣計算方法，故需要對所有子圖進行計數，來確定特定模式的數量。文中用一種取樣方法，對一組n節點的子圖進行抽樣，然後，對每個模式，我們得到所有模式例項的集合，這裡定義為smk。
MIT的《深度學習》精讀（2）
看完了 皮格馬利翁 和 伽拉泰亞 galatea 的故事，已經很讓人感動，接著下來，又來看看 代達羅斯 和 塔羅斯 talos 的傳奇故事 藝術家代達羅斯是位建築師和雕刻家。人們說他的雕像是具有靈魂的創造物，從前的大師創作石像時，都讓石像閉上眼睛，雙手連著身體，無力地垂落下來。而他第乙個讓雕刻的人像...
MIT的《深度學習》精讀（4）
當可程式設計的計算機被設計出來時，人們懷疑這樣的機器是否會擁有智慧型，其實在計算機被發明的100多年前就已經有人構造一台智慧型的裝置出來了 lovelace,1842 今天，人工智慧 ai 正是乙個十分火熱應用的領域和活躍的研究課題。我們正在研究和開發具有人工智慧的軟體來自動執行日常的工作，進行口語...
MIT的《深度學習》精讀（12）
在電腦科學裡，甚至日常生活中，對資料的表示方式有著嚴重的依賴性。比如在電腦科學裡要收集一些資料，而當這些資料是結構化和索引化時，它的效率可以達到指數級別。人類也是這樣，比如使用阿拉佰數字 arabic numerals 來計算，就比使用羅馬數字 roman numerals 來得快捷。因此在機器學習...