数据挖掘十大算法(九)：PageRank算法原理与实现

一、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。

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。

阻尼系数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。

二、计算实例

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。

下面是迭代计算12轮之后，各个页面的PR值：

那么什么时候，迭代结束哪？
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。

三、Python实现

'''
读取数据：
A B
A C
B C
C A

注意：在code中我们是每一次epoch更新一轮，
与前面的手动计算不同。
'''


import numpy as np

if __name__ == '__main__':

    # 读入有向图，存储边
    file = open(