PageRank算法的实现一

PageRank算法的思想比较容易理解，基于被许多好的网页链接的网页一定是好的网页的思想。

PageRank算法

用邻接矩阵来表示网页的连接状态。

矩阵A=(1-d)*q+d*p;

A：网页的PageRank值

q：矩阵，每个值都为1/m，表示每个网页都有m个链接出去的选择，概率为1/m

p:概率转移矩阵

d：阻尼系数，d*p表示在随机模型中网页将自身的份额的PageRank值平均分给每个外链

计算过程

1， 若网页i存在一个指向网页j的连接，则pij=1,否则pij=0;可以得到矩阵p

2，然后将每一行除以该行数字之和

3，p=p'，进行转置，即为概率转移矩阵

4，根据公式，计算A的初始值

5，Aa=a，令a的初始值为全1的列向量，进行迭代，迭代结果的a即为相应的pagerank值

6，进行归一化

源码

function ek=pagerank(p,d,e)
%p:连接矩阵
%d:分配分数
%e:误差值
x=sum(p,2);
y=sum(p,1);
n=size(p,1);
for i=1:n
    p(i,:)=p(i,:)/x(i);
end
%概率转移矩阵
p=p';
o=ones(n);
A=d*p+(1-d)*o/sum(sum(p'))
e0=ones(n,1);
ek=zeros(n,1);
s=norm(e0-ek);%计算欧式距离