PageRank算法原理与实现


正文共835个字,8张图,预计阅读时间6分钟。


1、PageRank


1.1.简介


PageRank,又称网页排名、谷歌左侧排名,是一种由搜索引擎根据网页之间相互的超链接计算的技术,而作为网页排名的要素之一,以Google公司创办人拉里·佩奇(Larry Page)之姓来命名。Google用它来体现网页的相关性和重要性,在搜索引擎优化操作中是经常被用来评估网页优化的成效因素之一。


假设一个由4个网页组成的群体:A,B,C和D。如果所有页面都只链接至A,那么A的PR(PageRank)值将是B,C及D的Pagerank总和。


640?wx_fmt=png


重新假设B链接到A和C,C只链接到A,并且D链接到全部其他的3个页面。一个页面总共只有一票。所以B给A和C每个页面半票。以同样的逻辑,D投出的票只有三分之一算到了A的PageRank上。


640?wx_fmt=png


1.2.公式


对于一个页面A,那么它的PR值为:


640?wx_fmt=png


  • PR(A) 是页面A的PR值

  • PR(Ti)是页面Ti的PR值,在这里,页面Ti是指向A的所有页面中的某个页面

  • C(Ti)是页面Ti的出度,也就是Ti指向其他页面的边的个数

  • d 为阻尼系数,其意义是,在任意时刻,用户到达某页面后并继续向后浏览的概率,


该数值是根据上网者使用浏览器书签的平均频率估算而得,通常d=0.85


还有一个版本的公式:


640?wx_fmt=png


N为页面的总数


1.3.具体实例


640?wx_fmt=png

三个页面A、B、C


为了便于计算,我们假设每个页面的PR初始值为1,d为0.5。


  • 页面A的PR值计算如下:

640?wx_fmt=png

  • 页面B的PR值计算如下:

640?wx_fmt=png

  • 页面C的PR值计算如下:

640?wx_fmt=png


下面是迭代计算12轮之后,各个页面的PR值:



640?wx_fmt=png


那么什么时候,迭代结束哪?一般要设置收敛条件:比如上次迭代结果与本次迭代结果小于某个误差,我们结束程序运行;比如还可以设置最大循环次数。


2、代码实现


 1import numpy as np
2from scipy.sparse import csc_matrix
3
4def pageRank(G, s=.85, maxerr=.0001):
5"""
6Computes the pagerank for each of the n states
7Parameters
8----------
9G: matrix representing state transitions
10Gij is a binary value representing a transition from state i to j.
11s: probability of following a transition. 1-s probability of teleporting
12to another state.
13maxerr: if the sum of pageranks between iterations is bellow this we will
14    have converged.
15"""

16n = G.shape[0]
17# 将 G into 马尔科夫 A
18A = csc_matrix(G, dtype=np.float)
19rsums = np.array(A.sum(1))[:, 0]
20ri, ci = A.nonzero()
21A.data /= rsums[ri]
22sink = rsums == 0
23# 计算PR值,直到满足收敛条件
24ro, r = np.zeros(n), np.ones(n)
25while np.sum(np.abs(r - ro)) > maxerr:
26ro = r.copy()
27for i in range(0, n):
28    Ai = np.array(A[:, i].todense())[:, 0]
29    Di = sink / float(n)
30    Ei = np.ones(n) / float(n)
31    r[i] = ro.dot(Ai * s + Di * s + Ei * (1 - s))
32 # 归一化
33 return r / float(sum(r))
34 if __name__ == '__main__':
35 # 上面的例子
36 G = np.array([[001],
37          [100],
38          [110]])
39 print(pageRank(G, s=0.85))
40 # 结果:
41 [0.51203622 0.19313191 0.29483187]

3、参考资料


1、Pagerank Algorithm Explained(https://www.slideshare.net/jdhaar/pagerank-algorithm-explaned)


2、【大创_社区划分】——PageRank算法的解析与Python实现(https://blog.csdn.net/gamer_gyt/article/details/47443877)


3、浅入浅出:PageRank算法(https://www.letiantian.me/2014-06-10-pagerank/)


4、PageRankhttps://en.wikipedia.org/wiki/PageRank


原文链接:https://www.jianshu.com/p/6af90342c3ba


查阅更为简洁方便的分类文章以及最新的课程、产品信息,请移步至全新呈现的“LeadAI学院官网”:

www.leadai.org


请关注人工智能LeadAI公众号,查看更多专业文章

640?wx_fmt=jpeg

大家都在看

640.png?

LSTM模型在问答系统中的应用

基于TensorFlow的神经网络解决用户流失概览问题

最全常见算法工程师面试题目整理(一)

最全常见算法工程师面试题目整理(二)

TensorFlow从1到2 | 第三章 深度学习革命的开端:卷积神经网络

装饰器 | Python高级编程

今天不如来复习下Python基础

  • 34
    点赞
  • 165
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值