简单模拟PageRan算法——让链接投票（网页排名）

1、维基百科：http://zh.wikipedia.org/wiki/PageRank

2、http://blog.csdn.net/aladdina/article/details/4141120

3、源码

package pagerank;

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileReader;
import java.io.FileWriter;
import java.util.HashMap;
import java.util.Hashtable;
import java.util.Map;

/**
 * 简单模拟PageRank算法
 * 在文件中的格式说明：
 * 			A B C D A
 * 			B C D A E
 * 			C B A D
 * 			D A B C D
 * 			E B A C D
 * 如上的格式表明：总共有5个链接（第一列的元素），每一行表示第一个链接链接到后面的其他链接,
 * 第一个链接是father，后面的是son，以空格" "为分隔符
 * 比如第一行：链接A有链接到B C D A,但是链接到本身A是不计算如A的PR值的
 * @author kute
 * @date 2013年10月14日
 */
public class PageRank {

	public static void main(String[] args) throws Exception {
		
		//存放每行中所有的链接
		String[] linesarr;
		//存放每个father链接的索引，就是第几个链接:key-链接  value-索引
		Map<String, Integer> docIDandNum=new HashMap<String, Integer>();
		// 链接总数
		int total = 0;
		int father, son;
		// 某个链接的出度
		int outdegree = 0;
		//读取链接文件
		File linkfile = new File("C:/link.txt");
		BufferedReader linkinput = new BufferedReader(new FileReader(linkfile));
		String line = linkinput.readLine();
		while (line != null) {
			++total;
			linesarr = line.split(" ");
			if (linesarr.length > 0) {
				outdegree = linesarr.length - 1;
				//如果链接到本身，则出度减少
				for (int j = 1; j <= linesarr.length - 1; ++j) {
					if (linesarr[j].equals(linesarr[0]))
						outdegree--;
				}
				if (linesarr[0] != null) {
					//这里存放每个链接的索引
					docIDandNum.put(linesarr[0], total);
					//System.out.println("链接" + linesarr[0] + "的出度为" + outdegree);
				}
			}
			linesarr = null;
			line = linkinput.readLine();
		}
		linkinput.close();
		//System.out.println("链接总数为：" + total);

		if (total > 0) {
			// pageRank[]存放PR值
			float[] pageRank = new float[total + 1];
			// 链入页面的计算总和
			float[] prTmp = new float[total + 1];
			// 设置pageRank[]初始值为1.0f
			for (int i = 1; i <= total; ++i) {
				pageRank[i] = 1.0f;
				prTmp[i] = 0.0f;
			}
			// 当前页面的PR值
			float fatherRank = 1f;
			// 阻尼系数d或称为alpha
			float alpha = 0.85f;
			// 进行100次迭代，迭代次数越多越收敛
			for (int iterator = 0; iterator < 100; iterator++) {
				
				long startTime = System.currentTimeMillis();

				linkinput = new BufferedReader(new FileReader(linkfile));
				line = linkinput.readLine();
				while (line != null) {
					linesarr = line.split(" ");
					if (linesarr.length > 0) {
						outdegree = linesarr.length - 1;
						for (int j = 1; j <= linesarr.length - 1; ++j) {
							// 指向自身的链接无效，不计算在内
							if (linesarr[j].equals(linesarr[0]))
								outdegree--;
						}
					}
					if (outdegree > 0) {
						father = (int) docIDandNum.get(linesarr[0]);
						// 对应公式中的pr(Ti)/c(Ti),Ti为指向father的页面
						fatherRank = pageRank[father] / outdegree;
						for (int k = 1; k <= linesarr.length - 1; ++k) {
							if (linesarr[k].equals(linesarr[0])) {
								continue;
							}
							son = docIDandNum.get(linesarr[k]);
							if (total >= son && son >= 0) {
								prTmp[son] += fatherRank;
							}
						}
					}
					linesarr = null;
					line = linkinput.readLine();
				}

				// 准备下次迭代的初始值
				for (int i = 1; i <= total; ++i) {
					/**
					 * PR公式1，这里有两个，只因为：在Sergey Brin和Lawrence Page的1998年原文中给
					 * 每一个页面设定的最小值是1-d而不是(1-d)/N，具体参考英文版的维基百科词条
					 */
					// prTmp[i] = 1.00f-alpha + alpha * prTmp[i];

					// PR公式2
					prTmp[i] = (1.00f-alpha) / total + alpha * prTmp[i];

					// 每次迭代后的真正pr值
					pageRank[i] = prTmp[i];

					prTmp[i] = 0.0f;
				}
				linkinput.close();

				long endTime = System.currentTimeMillis();
				System.out.println("第" + iterator + "次迭代耗时"
						+ (endTime - startTime) + "ms");
				 /**
				  * 打印出每次迭代值，此操作耗费时间和内存
				  */
//				 for (int i = 1; i <= total; ++i)
//				 System.out.print(pageRank[i] + " \t ");
//				 System.out.println(" ");
			}

			// 将最终PR值输出至文件
			BufferedWriter newlink = new BufferedWriter(new FileWriter(
					new File("C:/text.txt")));
			for (int i = 1; i <= total; ++i) {
				//控制台打印PR值
				//System.out.println(docIDandNum.toString());
				
				newlink.write(String.valueOf(pageRank[i]));
				newlink.newLine();
			}
			newlink.flush();
			newlink.close();
			pageRank = null;
			prTmp = null;
		}
	}
}