Benvenuti nell'Anagrafe della Ricerca d'Ateneo
La valutazione delle attività di ricerca che si svolgono nelle università ha assunto un'importanza rilevante sia per l'intero sistema universitario sia all'interno di ogni singolo ateneo. Roma Tre si è quindi dotata di idonei strumenti informativi in grado di supportare al meglio le azioni di monitoraggio e di valutazione delle attività di ricerca svolte nei propri dipartimentied ha realizzato una Anagrafe della Ricerca di Ateneo.
EnglishWe consider the generalized PageRank walk on a digraph G, with refresh probability (Formula presented.) and resampling distribution (Formula presented.). We analyze convergence to stationarity when G is a large sparse random digraph with given degree sequences, in the limit of vanishing (Formula presented.). We identify three scenarios: when (Formula presented.) is much smaller than the inverse of the mixing time of G the relaxation to equilibrium is dominated by the simple random walk and displays a cutoff behavior; when (Formula presented.) is much larger than the inverse of the mixing time of G on the contrary one has pure exponential decay with rate (Formula presented.); when (Formula presented.) is comparable to the inverse of the mixing time of G there is a mixed behavior interpolating between cutoff and exponential decay. This trichotomy is shown to hold uniformly in the starting point and uniformly in the resampling distribution (Formula presented.).
Caputo, P., & Quattropani, M. (2021). Mixing time of PageRank surfers on sparse random digraphs. RANDOM STRUCTURES & ALGORITHMS, 59(3), 376-406 [10.1002/rsa.21009].
| Titolo: | Mixing time of PageRank surfers on sparse random digraphs | |
| Autori: | ||
| Data di pubblicazione: | 2021 | |
| Rivista: | ||
| Citazione: | Caputo, P., & Quattropani, M. (2021). Mixing time of PageRank surfers on sparse random digraphs. RANDOM STRUCTURES & ALGORITHMS, 59(3), 376-406 [10.1002/rsa.21009]. | |
| Handle: | http://hdl.handle.net/11590/401611 | |
| Appare nelle tipologie: | 1.1 Articolo in rivista |
File in questo prodotto:
http://hdl.handle.net/11590/401611
Copyright © 2022