（精）广东工业大学 2018实时大数据分析——PageRank算法实验报告

（精）广东工业大学 2018实时大数据分析——PageRank算法实验报告

一、实验内容

1.采用基于“抽税”法在MapReduce框架下，分析图1的网页PageRank排名；

2.图1中，若节点②和节点⑤是主题节点，采用面向主题的PageRank算法重新计算所有节点的PageRank值。

二、实验设计（原理分析及流程）

三、实验代码及数据记录

1.代码

1.0 文件结构图

1.1 ENode.java

package com.devyy.bean;

public class ENode {
    private String name;// 节点名字
    private NextNode nextNode;// 指向下一个节点
    private int count;// 此链表的数目
    private boolean subjectNode = false;

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public NextNode getNextNode() {
        return nextNode;
    }

    public void setNextNode(NextNode nextNode) {
        this.nextNode = nextNode;
    }

    public int getCount() {
        return count;
    }

    public void setCount(int count) {
        this.count = count;
    }

    public boolean isSubjectNode() {
        return subjectNode;
    }

    public void setSubjectNode(boolean subjectNode) {
        this.subjectNode = subjectNode;
    }
}

1.2 NextNode.java

package com.devyy.bean;

public class NextNode {
    private int nextLoc;// 下一个节点的数组下标
    private NextNode nextNode;// 指向下一个节点

    public int getNextLoc() {
        return nextLoc;
    }

    public void setNextLoc(int nextLoc) {
        this.nextLoc = nextLoc;
    }

    public NextNode getNextNode() {
        return nextNode;
    }

    public void setNextNode(NextNode nextNode) {
        this.nextNode = nextNode;
    }
}

1.3 PageRank.java

package com.devyy.pagerank;

import java.text.DecimalFormat;

import com.devyy.bean.ENode;
import com.devyy.bean.NextNode;
import com.devyy.util.MatrixUtil;

/** 
 * PageRank是一个函数，它对Web中的网页赋予一个实数值，网页的PageRank值越高，它越“重要”。 
 * 把Web想象成一个有向图，其中网页是图中节点，当满足如下两个条件时，可直接计算PageRank： 
 * （1）图是强连通图，即可以从任一节点到达其他节点 
 * （2）图不存在终止点，即不存在出链的节点。 
 * 当网页数目为n时构造的n*n的方阵乘以当前概率分布向量之后值不再改变时就到达了极限。 
 * 
 * @author ZYY
 * 
 */  
public class PageRank {
    private MatrixUtil matrixUtil =new MatrixUtil(); 

    // 根据邻接表构造Web转移矩阵  
    public double[][] createTransitionMatrixFun(int number, ENode[] node){  
        int i, index, count, temp;  
        double[][] transitionMatrix = new double[number][number];  
        for(i = 0; i < number; i++){  
            count = node[i].getCount();  
            temp = count;  
            index = 0;  
            NextNode nextNode = node[i].getNextNode();  
            while(temp-- != 0){  
                index = nextNode.getNextLoc();  
                transitionMatrix[index][i] = 1.0 / count;