手把手图文并茂教你掌握 PageRank 算法

最新推荐文章于 2024-04-26 11:14:26 发布

AI阿聪

最新推荐文章于 2024-04-26 11:14:26 发布

阅读量1w

点赞数 32

分类专栏：机器学习文章标签： pagerank算法

本文链接：https://blog.csdn.net/weixin_40431584/article/details/105561398

版权

机器学习专栏收录该内容

11 篇文章 9 订阅

订阅专栏

2.2 矩阵化表达：使用转移概率矩阵/马尔科夫矩阵

2.3 通过矩阵化表达，快速计算 PR 值

4.3 Spider Traps 问题修正公式

五、代码实战

六、PageRank 优缺点

一、基本概念

1.1 背景介绍

PageRank 算法由 Google 创始人 Larry Page 在斯坦福读大学时提出，又称 PR，佩奇排名。主要针对网页进行排名，计算网站的重要性，优化搜索引擎的搜索结果。PR 值是表示其重要性的因子。

1.2 算法中心思想

1. 数量假设

当在网页模型图中，一个网页接受到的其他网页指向的入链（in-links）越多，说明该网页越重要。

2. 质量假设

当一个质量高的网页指向（out-links）一个网页，说明这个被指的网页重要。

3. 出链入链

二、算法和公式

2.1 PageRank公式

$PR(a)_{i+1}=\sum_{i=0}^{n}\frac{PR(Ti)_{i}}{L(Ti)}$

PR(Ti)：其他节点的（指向 a 节点）PR值
L(Ti)：其他节点的（指向 a 节点）出链数
i：循环次数

举例：

初始化的PR值为 1/N = 1/4 。

$i=1,PR(C)_1=\frac{PR(A)_0}{L(A)}+\frac{PR(B)_0}{L(B)} =\frac{\frac{1}{4}}{2}+\frac{\frac{1}{4}}{1}=\frac{3}{8}$

2.2 矩阵化表达：使用转移概率矩阵/马尔科夫矩阵

从A将跳转到 B 或 C 的概率为 1/2。

从D将跳转到 A 的概率为 1。（矩阵的列表示出链）

2.3 通过矩阵化表达，快速计算 PR 值

PR(a)=M*V

$\begin{bmatrix} 0 & 0 & 1/2 & 1 \\ 1/2 & 0 & 0 & 0\\ 1/2 & 1 & 0 & 0\\ 0 & 0 & 1/2 & 0 \end{bmatrix}\times \begin{bmatrix} 1/4 \\ 1/4 \\ 1/4 \\ 1/4 \end{bmatrix}=\begin{bmatrix} 3/8 \\ 1/8 \\ 3/8 \\ 1/8 \end{bmatrix}$ （第一次迭代得到的 PR 值）

2.4 两种方式的关系

三、Dead Ends 问题

3.1 Dead Ends 的产生

B没有任何出链（out-links）这就是 Dead Ends，Dead Ends 会导致网站权重变为 0。

举例：

使用转移概率矩阵快速计算PR值：

按照这个规律，我们在多次循环之后，会发现这个模型中所有的 PR 值都会归于 0。

3.2 解决方法：Teleport

修正M：

$M+a^{T}(\frac{e}{n})$

a = [a0, a1,..., an]，当有一列全为时（即该节点无出链），ai = 1，其他时候 ai = 0
e：由 1 填满的列矩阵
n：M 矩阵的行数/列数

3.3 Dead Ends 问题修正公式

$PR(a)_{i+1}=[M+a^{T}(\frac{e}{n})]*V$

a = [a0, a1,..., an]，当有一列全为时（即该节点无出链），ai = 1，其他时候 ai = 0
e：由 1 填满的列矩阵
n：M 矩阵的行数/列数
V：PR 值的矩阵

四、Spider Traps 问题

4.1 Spider Traps 的产生

A 节点与其他节点之间无 out-links，这就是 Spider Traps，这将会导致网站权重变为向一个节点偏移。

举例：

按照这个规律，我们在多次循环之后，会发现这个模型中 A 的 PR 值都会归于 1，其他归为 0。

4.2 解决方法

修正M：

$M=\beta M +(1-\beta )\frac{ee^{T}}{n}$ ，n 为 M 的行数/列数。

$\beta$ ：跟随出链（out-links）打开网页的概率，一般设为 0.8 ~0.9 之间
$1-\beta$ ：随机跳到其他网页的概率，例如：浏览 a 的时候，有一定概率会打开 b 或 c
$ee^{T}$ ：有 1 填满的 n × n 矩阵

4.3 Spider Traps 问题修正公式

$M=[\beta M +(1-\beta )\frac{ee^{T}}{n}]*V$

$\beta$ ：跟随出链（out-links）打开网页的概率，一般设为 0.8 ~0.9 之间
$1-\beta$ ：随机跳到其他网页的概率，例如：浏览 a 的时候，有一定概率会打开 b 或 c
$ee^{T}$ ：有 1 填满的 n × n 矩阵
V：PR 值的矩阵

五、代码实战

# 导包
import networkx as nx
import matplotlib.pyplot as plt
import random

Graph = nx.DiGraph()
Graph.add_nodes_from(range(0, 100))
for i in range(100):   
    j = random.randint(0, 100)
    k = random.randint(0, 100)
    Graph.add_edge(k, j)

# 绘图
nx.draw(Graph, with_labels=True)
plt.show()

# 打印全部点的 PR 值
pr = nx.pagerank(Graph, max_iter=100, alpha=0.01)
print(pr)

{0: 0.009937991017511711, 1: 0.009913062905888668, 2: 0.009888464827268925, 3: 0.009888712352021399, 4: 0.009839268670029438, 5: 0.009987022158249549, 6: 0.009839268670029438, 7: 0.009839268670029438, 8: 0.00988887736852305, 9: 0.009839268670029438, 10: 0.009872066108189095, 11: 0.009839268670029438, 12: 0.009839268670029438, 13: 0.009938898608270786, 14: 0.010036548348492335, 15: 0.009839268670029438, 16: 0.009839268670029438, 17: 0.009872066108189095, 18: 0.009839268670029438, 19: 0.009839268670029438, 20: 0.009839268670029438, 21: 0.009889207401526351, 22: 0.009889207401526351, 23: 0.009938403558765836, 24: 0.009888629843770575, 25: 0.009839268670029438, 26: 0.009904946054599578, 27: 0.009839268670029438, 28: 0.010134940662971308, 29: 0.009888464827268925, 30: 0.009839268670029438, 31: 0.009839268670029438, 32: 0.010036713364993984, 33: 0.009839268670029438, 34: 0.010003750910332676, 35: 0.010012940368882492, 36: 0.009839268670029438, 37: 0.009921262265428582, 38: 0.010036878381495635, 39: 0.009839268670029438, 40: 0.009889372418028, 41: 0.009888629843770575, 42: 0.009872066108189095, 43: 0.009839268670029438, 44: 0.009938156034013362, 45: 0.009839268670029438, 46: 0.009839268670029438, 47: 0.009839268670029438, 48: 0.009889083639150113, 49: 0.009889372418028, 50: 0.01006934578665199, 51: 0.009839268670029438, 52: 0.009989167372770998, 53: 0.010003338369078551, 54: 0.009839268670029438, 55: 0.009839268670029438, 56: 0.009889083639150113, 57: 0.009839268670029438, 58: 0.009888464827268925, 59: 0.009970458422668069, 60: 0.010036053298987385, 61: 0.009921757314933532, 62: 0.009839268670029438, 63: 0.009938156034013362, 64: 0.009989332389272649, 65: 0.009839268670029438, 66: 0.009839268670029438, 67: 0.009863866748649181, 68: 0.009839268670029438, 69: 0.009839268670029438, 70: 0.010039188612518738, 71: 0.009839268670029438, 72: 0.009863866748649181, 73: 0.009872231124690746, 74: 0.01001990210466003, 75: 0.009839268670029438, 76: 0.009839268670029438, 77: 0.009962754112633105, 78: 0.009937660984508411, 79: 0.010012692844130016, 80: 0.009839268670029438, 81: 0.009839268670029438, 82: 0.009839268670029438, 83: 0.009888712352021399, 84: 0.009839268670029438, 85: 0.009888712352021399, 86: 0.009839268670029438, 87: 0.009986857141747896, 88: 0.009973016178443645, 89: 0.010095594030288237, 90: 0.009839268670029438, 91: 0.009971448521677969, 92: 0.009938651083518312, 93: 0.009863866748649181, 94: 0.009987847240757798, 95: 0.009839268670029438, 96: 0.009888464827268925, 97: 0.009922417380940133, 98: 0.009971448521677969, 99: 0.009872231124690746, 100: 0.009937660984508411}

# 最大的 PR 值
print(max(pr.values()))

0.010134940662971308

import operator
# 最大 PR 值的点
print(max(pr.items(), key=operator.itemgetter(1))[0])
# PR 值之和
print(sum(pr.values()))

28
1.0000000000000007

六、PageRank 优缺点

PageRank 优点

1. 通过网页之间的链接来决定网页的重要性，一定程度消除了人为对排名的影响。

2. 离线计算 PageRank 值，而非查找的时候计算，提升了查询的效率。

PageRank 缺点

1. 存在时间就网站，PageRank 值会越来越大，而新生的网站，PageRank 值增长慢。

2. 非查询相关的特性，查询结果会偏离搜索内容。

3. 通过“僵尸”网站或链接，人为刷 PageRank 值。

AI阿聪

关注

32
点赞
踩
74

收藏

觉得还不错? 一键收藏
5
评论
手把手图文并茂教你掌握 PageRank 算法

一、PageRank 定义PageRank 算法由 Google 创始人 Larry Page 在斯坦福读大学时提出，又称 PR，佩奇排名。主要针对网页进行排名，计算网站的重要性，优化搜索引擎的搜索结果。PR 值是表示其重要性的因子。...
复制链接

扫一扫

专栏目录