机器学习手记[8]--Python Networkx库中PageRank算法实现源码分析

最新推荐文章于 2024-09-03 15:59:48 发布

虾米ning

最新推荐文章于 2024-09-03 15:59:48 发布

阅读量1w

点赞数 15

分类专栏：机器学习

本文链接：https://blog.csdn.net/a_31415926/article/details/40510175

版权

本文深入分析了Python Networkx库中的PageRank算法实现，探讨了如何处理dangling nodes和spider traps问题，并介绍了三种不同的PageRank计算方法：pagerank、pagerank_numpy和pagerank_scipy。

摘要由CSDN通过智能技术生成

网上对Page算法讲解的很多，实现代码也很多很杂，所以为了找到一个更高质量的PageRank算法的实现，
我阅读了Python Networkx库上自带的pagerank方法的源码。部分多余内容我删除了，有兴趣可以直接下这个库查看源码

源码的地址在http://networkx.github.io/download.html

具体的pagerank代码我已经上传到网盘在http://pan.baidu.com/s/1ntOafH3

PageRank算法最主要的地方在于对两个问题的解决，一个是dangling nodes，一个是spider trap
前者是说，没有引用其他网页的链接，用图角度的理解就是出度为0。
后者是说，进入到一个网页或者几个网页，这个单个网页，或者几个网页之间相互引用，这样资源进去后就一直在里面转，出不来了，造成rank sink问题。

对于dangling nodes，我们可以计算他们的PR贡献值,然后均分给所有节点
对于spider trap，需要用心灵漂移的方式去解决。

Networkx库里面，主要有三种计算PageRank的方法（PS为什么是三种，我直观觉得是因为这是三个人写的，因为连某些效果完全相同的初始化语句，三个写的都不一样）

1 pagerank函数
以图结构为基础
通过迭代收敛方法计算PR值(PageRank值)

2 pagerank_numpy函数
将图转换为numpy邻接矩阵，
通过google_matrix和numpy矩阵计算
通过计算最大特征值对应的主特征向量，即为所求PR值

3 pagerank_scipy函数
将图转换为sparse稀疏矩阵
通过迭代收敛方法计算PR值

"""PageRank analysis of graph structure. """
#    BSD license.
#    NetworkX:http://networkx.lanl.gov/
import networkx as nx

@not_implemented_for('multigraph')
def pagerank(G, alpha=0.85, personalization=None,
             max_iter=100, tol=1.0e-6, nstart=None, weight='weight',
             dangling=None):
    """Return the PageRank of the nodes in the graph.
    Parameters
    -----------
    G : graph
        A NetworkX graph. 在PageRank算法里面是有向图
    alpha : float, optional
        稳定系数, 默认0.85, 心灵漂移teleporting系数，用于解决spider trap问题
    personalization: dict, optional
      个性化向量，确定在分配中各个节点的权重
      格式举例，比如四个点的情况: {1:0.25,2:0.25,3:0.25,4:0.25}
      默认个点权重相等，也可以给某个节点多分配些权重，需保证权重和为1.
    max_iter : integer, optional
        最大迭代次数
    tol : float, optional
        迭代阈值
    nstart : dictionary, optional
        整个网络各节点PageRank初始值
    weight : key, optional
      各边权重

    dangling: dict, optional
      字典存储的是dangling边的信息
      key   --dangling边的尾节点，也就是dangling node节点
      value --dangling边的权重
      PR值按多大程度将资源分配给dangling node是根据personalization向量分配的
      This must be selected to result in an irreducible transition
      matrix (see notes under google_matrix). It may be common to have the
      dangling dict to be th