PageRank的原理及实现

基于 PageRank 的链接分析

1. PageRank理论

一般的，对于网页 $A$ 的PageRank值，我们可以按照以下公式迭代计算：
$$P{R}_n(A)=(1-d)/N+d\times (\sum _{i=1}^m\frac{P{R}_{n-1}(T_i)}{C(T_i)})$$
其中 $N$ 为网页总数，$P{R}_{n-1}(T_i)$ 是指向网页 $A$ 的网页 $T_i$ 在第$n-1$ 次迭代时的值， $C(T_i)$ 是指网页 $T_i$ 的外链数量，$d$ 是平滑因子。

对于以上公式，稍加变换，很容易的，我们可以得到PageRank计算的矩阵形式：
$$P{R}_n=\frac{1-d}{N}\mathbf{I}+d\times \mathbf{T}P{R}_{n-1}$$
其中 $\mathbf{I}$ 为单位矩阵， $\mathbf{T}$ 为转移矩阵。

由此我们就构建了批量求解PageRank值的方法：

2. PageRank代码实现

• 首先我们构建一个 ConstructMatrix() 函数，用于将输入的网页关联矩阵转化为转移矩阵：

  def ConstructMatrix(adj):
      return adj.T / adj.sum(axis=1)
  

• 紧接着按照公式 $(2)$ 的矩阵形式，我们很容易写出PageRank算法：

  def ComputeRank(matrix, d, threshold):
      n = matrix.shape[0]
      v = np.ones(n) / n
      iteration = 0
      print('PageRank Runs....')
      while True:
          u =  np.matmul(matrix, v) * d + (1 - d) * np.ones(n) / n
          delt = np.linalg.norm(u-v, ord=1)
          v = u
          iteration += 1
          print('iteration = {0}, delt = {1}'.format(iteration, delt))
          if delt - threshold < 0:
              break
      print('Train Finished!')
      return v
  

  其中，其中 matrix 为转移矩阵，d 为转移因子，threshold 为阈值，控制模型收敛。

• 之后我们给定的网络图：
  
  运行代码，得到运行结果：

  adj = np.array([[0, 1, 1], [0, 0, 1], [1, 0, 0]])
  matrix = ConstructMatrix(adj)
  ComputeRank(matrix, 0.5, 1e-10)
  

• 结果显示，模型在迭代22轮后收敛，结果为：

  PageRank Runs....
  iteration = 1, delt = 0.16666666666666663
  iteration = 2, delt = 0.08333333333333331
  iteration = 3, delt = 0.04166666666666663
  iteration = 4, delt = 0.010416666666666685
  iteration = 5, delt = 0.0026041666666666297
  iteration = 6, delt = 0.0013020833333333703
  iteration = 7, delt = 0.0006510416666666852
  iteration = 8, delt = 0.00016276041666674068
  iteration = 9, delt = 4.069010416668517e-05
  iteration = 10, delt = 2.034505208331483e-05
  iteration = 11, delt = 1.017252604162966e-05
  iteration = 12, delt = 2.5431315104351704e-06
  iteration = 13, delt = 6.357828775671592e-07
  iteration = 14, delt = 3.1789143883909077e-07
  iteration = 15, delt = 1.5894571941954538e-07
  iteration = 16, delt = 3.9736429924275285e-08
  iteration = 17, delt = 9.934107481068821e-09
  iteration = 18, delt = 4.967053712778835e-09
  iteration = 19, delt = 2.483526828633842e-09
  iteration = 20, delt = 6.208817349140361e-10
  iteration = 21, delt = 1.552203920951456e-10
  iteration = 22, delt = 7.761025155872403e-11
  Train Finished!
  array([0.35897436, 0.25641026, 0.38461538])
  

至此，PageRank介绍完毕。
本文为作者原创，转载请注明来源：https://blog.csdn.net/BrilliantAntonio/article/details/117165930