論文の概要: Resolving degeneracies in Google search via quantum stochastic walks

• arxiv url: http://arxiv.org/abs/2207.11429v2
• Date: Tue, 16 Jan 2024 16:37:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-18 22:11:31.084204
• Title: Resolving degeneracies in Google search via quantum stochastic walks
• Title（参考訳）: 量子確率歩行によるgoogle検索の縮退
• Authors: Colin Benjamin, Naini Dudhe
• Abstract要約: PageRankアルゴリズムはGoogle検索のバックボーンであり、関連性と関連性に応じてウェブページをランク付けする。 我々は、古典的連続時間ウォークに基づく古典的PageRank(CPR)アルゴリズムを改善するために量子ウォーク(QSW)を用いる。 いくつかのネットワークでは、2つのQSWスキームは、CPRよりも低い収束時間と、CPRに比べてほぼ縮退しないランクを得る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Internet is one of the most valuable technologies invented to date. Among them, Google is the most widely used search engine. The PageRank algorithm is the backbone of Google search, ranking web pages according to relevance and recency. We employ quantum stochastic walks (QSWs) to improve the classical PageRank (CPR) algorithm based on classical continuous time random walks. We implement QSW via two schemes: only incoherence and dephasing with incoherence. PageRank using QSW with only incoherence or QSW with dephasing and incoherence best resolves degeneracies that are unresolvable via CPR and with a convergence time comparable to that for CPR, which is generally the minimum. For some networks, the two QSW schemes obtain a convergence time lower than CPR and an almost degeneracy-free ranking compared to CPR.
• Abstract（参考訳）: インターネットは、これまで発明された最も価値のある技術の1つだ。 中でもgoogleは最も広く使われている検索エンジンだ。 PageRankアルゴリズムはGoogle検索のバックボーンであり、関連性と関連性に応じてウェブページをランク付けする。 我々は古典的連続時間ランダムウォークに基づく古典的PageRank(CPR)アルゴリズムを改善するために量子確率ウォーク(QSW)を用いる。 我々は2つのスキームを通じてQSWを実装し、非コヒーレンスと非コヒーレンスを重んじる。 ページランクは、非コヒーレンスまたは非コヒーレンスでのみQSWを使用し、CPRによって解決できない退化を最もよく解決し、一般的には最小のCPRと同等の収束時間で解決する。 いくつかのネットワークでは、2つのqswスキームはcprよりも低い収束時間とほぼ縮退のないランキングを得る。

関連論文リスト

• Discrete-Time Open Quantum Walks for Vertex Ranking in Graphs [0.0]
  本稿では離散時間オープンな量子ウォークを用いたグラフ上の新しい量子PageRankアルゴリズムを提案する。 GoogleのPageRankは、古典的な計算でWorld Wide Web上のWebページをアレンジするための重要なアルゴリズムである。
  論文  参考訳（メタデータ） (2024-04-23T06:15:17Z)
• Randomized SearchRank: A Semiclassical Approach to a Quantum Search Engine [0.0]
  量子検索Rankアルゴリズムは、PageRank量子化に基づく将来の量子検索エンジンにとって有望なツールである。 本稿では,基礎となるSzegedy量子ウォークを半古典的なウォークに置き換えたアルゴリズムの修正を提案する。
  論文  参考訳（メタデータ） (2024-01-03T06:00:23Z)
• Variational Quantum PageRank [0.0]
  PageRankはグラフベースのアルゴリズムで、他のページのリンク数に基づいてページをランク付けする。 この研究は、PageRankアルゴリズムの変分量子バージョンを開発し、2つのアルゴリズムの性能を比較する。
  論文  参考訳（メタデータ） (2023-04-19T23:49:32Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
  両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。 HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
  論文  参考訳（メタデータ） (2022-10-31T14:06:11Z)
• Generalized Quantum Google PageRank Algorithm with Arbitrary Phase Rotations [0.0]
  本稿では、Szegedyの量子ウォークに任意の位相回転(APR)を導入する量子PageRankの修正を提案する。 そこで我々は,新しいアルゴリズムの挙動を解析し,位相の減少がPageRankの標準偏差を減少させることを示した。 我々は、PageRank分布が古典的アルゴリズムに似ている新しいアルゴリズムの1つが、元の量子アルゴリズムに類似した安定性があることを発見した。
  論文  参考訳（メタデータ） (2022-09-27T15:15:54Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Double Coverage with Machine-Learned Advice [100.23487145400833]
  オンラインの基本的な$k$-serverの問題を学習強化環境で研究する。 我々のアルゴリズムは任意の k に対してほぼ最適の一貫性-破壊性トレードオフを達成することを示す。
  論文  参考訳（メタデータ） (2021-03-02T11:04:33Z)
• Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)
• TensorFlow Solver for Quantum PageRank in Large-Scale Networks [12.937513443750804]
  本稿では, 並列計算を用いて, 行列次元を O(N2) に減少させるために, Runge-Kutta 法による量子ページランクの効率的な解法を提案する。 従来のPageRankソルバと比較して、必要なメモリと時間をそれぞれ1%と0.2%に劇的に削減し、100秒未満で4～8GBのメモリを持つ通常のコンピュータで動作できるようにする。
  論文  参考訳（メタデータ） (2020-03-10T18:58:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。