PageRank简单实现中的一个错误_nx.pagerank出错-CSDN博客

本文链接：https://blog.csdn.net/rubinorth/article/details/52215231

在我的一篇博客PageRank中，在5.1 算法实现中简单实现部分原本是有一个错误的。这个错误也体现出我当时对PageRank算法有理解上的偏差。

这是个什么样的错误呢？是这样的：

简单实现中计算每个网页的PR值时使用的是最原始的方法，即下面的这个公式：

P R (p i) = α \sum p j \in M p i P R ( p j ) L ( p j ) + ( 1 - α ) N

$PR(p_{i}) = \alpha \sum_{p_{j} \in M_{p_{i}}} \frac{PR(p_{j})}{L(p_{j})} + \frac{(1 - \alpha)}{N}$

这个公式要求所有网页的PR值之和为1。而我原本的代码中给每个网页赋予的初始PR值的代码为：

page_rank = dict.fromkeys(nodes, 1.0)  # 给每个节点赋予初始的PR值

也就是说，我给出的初始PR值之和为5（例子中共有5个网页）。

犯这个错误的原因是我理解错了“与 $P_0$ 的选取无关”这句话。正确的理解应该是：“与 $P_0$ 的初始概率分布无关”。

然而，我理解错了也还有另一个原因，那就是我原来的程序中不管给出的初始PR值是多少，最终的PR值都是一样的。现分析如下：

按照我原本的程序逻辑，我使用的公式应该是这样的，其中 $G$ 为所有网页：

P R (p i) = α \sum p j \in M p i P R ( p j ) L ( p j ) + ( 1 - α ) N \sum p k \in G P R (p k)

$PR(p_{i}) = \alpha \sum_{p_{j} \in M_{p_{i}}} \frac{PR(p_{j})}{L(p_{j})} + \frac{(1 - \alpha)}{N} \sum_{p_k \in G} PR(p_k)$

而我却使用了最原始的公式，造成了：

每 轮 迭 代 ， 每 个 页 面 的 P R 值 都 减 少 了 ( 1 - α ) N * (上 轮 P R 值 总 和 - 1) \Rightarrow 每 轮 迭 代 ， P R 值 总 和 都 减 少 了 (1 - α) * (上 轮 P R 值 总 和 - 1)

$每轮迭代，每个页面的PR值都减少了 \frac{(1 - \alpha)}{N} * (上轮PR值总和 - 1) \\ \Rightarrow 每轮迭代，PR值总和都减少了 (1 - \alpha) * (上轮PR值总和 - 1)$

现假设初始PR值总和为 $A_0$ ，则有：

最 开 始 ， P R 值 总 和 为 ： A 0 第 一 轮 迭 代 之 后 ， P R 值 总 和 为 ： A 1 = A 0 - (1 - α) (A 0 - 1) = α A 0 + 1 - α 以 此 类 推 ， 则 有 A n = α A n - 1 + 1 - α \Rightarrow A n - 1 = α (A n - 1 - 1) \Rightarrow A n - 1 = α n (A 0 - 1) \Rightarrow A n = α n (A 0 - 1) + 1 ∵ α < 1 ∴ lim n \to \infty A n = 1

$最开始，PR值总和为：A_0 \\ 第一轮迭代之后，PR值总和为：A_1 = A_0 - (1 - \alpha) (A_0 - 1) = \alpha A_0 + 1 - \alpha \\ 以此类推，则有 \\ A_{n} = \alpha A_{n-1} + 1 - \alpha \\ \Rightarrow A_{n} - 1 = \alpha (A_{n-1} - 1) \\ \Rightarrow A_{n} - 1 = \alpha^{n} (A_{0} - 1) \\ \Rightarrow A_{n} = \alpha^{n} (A_{0} - 1) + 1\\ \because \alpha < 1 \\ \therefore \lim_{n \rightarrow \infty} A_n = 1$

即不管初始PR值为多少，最终其和都将趋于1（若初始值之和小于1，用相似的方法可以证明）。也就是说，最终结果是一样的（因为最终趋于1之后就相当于以“PR值总和为1”的情况又开始了计算）。这一点在代码中也有体现：当PR值设置得很大的时候，需要迭代的次数也相应增大。

总结：应该使用最上面的公式，同时初始PR值总和应该设置为1。