Random Walks on the Click Graph

        这是一篇微软剑桥研究院的文章。在搜索引擎领域，有几大公司和研究院产出了大量论文。论文最多的是“yahoo ！ research”，其次可能就是 mircosoft Research和google research。在国内，搜狗实验室靠近清华，因此有大量的清华学生也写了很多论文。以此对比的是，百度、qq、阿里却很少产出相应的论文。或者是他们的论文，我没有读到吧。

        基于有向图来计算有着悠久的历史，大名鼎鼎的pagerank，就是简单的利用出度、入度来计算网页的相关性。被引用的网页越多，相关性也就越高。

        在这篇论文中，把query和image直接的关系重新组织为无向图。对于任何一个query，计算它的发散概率；对于任何一个image，也计算他的发散概率。形成转移矩阵之后，矩阵多次乘积就能够迭代出query到image的概率关系。

         论文后面对简单的发散概率做了一下优化，query的发散概率和image的发散概率的计算方式不相同。在论文中，提到聚类效应，也就是说，同样一个query检索并被用户点击的image，是一种天然的聚类。