复杂网络实验7：pagerank算法（matlab）

一、什么是pagerank算法？

1.pagerank算法是一种基于随机游走的评价网站估值的算法

为什么？

可以证明：从网络中随机选出一个节点，顺着有向边行走K步之后，位于节点i的概率，

等于运用pagerank算法k步后得到的节点i的PR值。

这个结论很厉害，写在书上的应该错不了，书上也没给出证明，就先把这个结论当个黑箱，当个结论先记下来

2.pagerank算法的基本思想

互联网上一个页面的重要性取决于指向它的其他页面的数量和质量

初始时给一个网络内所有页面分配相等的重要性，如果有N个页面，每个每页的重要性就是1/N

把整个网络抽象成一个有向图，一个页面看成一个顶点，页面中的超链接看成是有向边

如果一个页面中有3个超链接指向其他3个页面，那么这个节点就有三条有向边指向这三个表示相应页面的节点

整个网络经过初始分配后，进入迭代，迭代收敛=迭代前等于迭代后（可以用保留小数的方法）

现在的问题就是：

• 初始情况应该怎么确定？
• 迭代怎么迭代?
• 算法终止条件怎么确定？（后面讨论）

#1.初始情况的确定（基本的PageRank算法）

给定所有节点的初始PageRank值（简称PR值，下方都使用PR值），满足

其中下图部分意思是第0次迭代（初始情况）i节点的PR值

一般初始情况给每个节点分配相同的PR值，四个节点，每个节点的初始PR值都是1/4

#2.迭代方法

每次迭代，都是把上一版本所有节点的PR值进行一次修改

修改方法如下

记每个节点的出度为：

意思是第i个节点的出度

遍历每个节点，把当前节点的PR值平分给该点有向边所指向的那些节点

意思是：当前页面有一个PR值，假如说当前页面有三个超链接指向3个页面，每次迭代就把当前页面的PR值平分给这三个页面

有下方的迭代公式

意思是i节点第K次迭代的PR值等于

所有其他节点，经过平分后，流入该节点的PR值

其中，是邻接矩阵中的值，j节点和i节点之间存在边就是1，不存在就是0

再细细品味就能了解到pagerank的基本思想

二、pagerank算法的未修正实现

针对如下有向图进行分析

（图1，以下实验针对该图）

图中的数字是最后迭代收敛，进入稳态，最终每个节点的PR值。

初始时每个节点的PR值都是1/8

定义基本的Google矩阵

我们可以对有向图每一行除以该点的出度，得到这个Google矩阵

迭代规则可以写成下面这样的形式

其中

是一个n行1列的向量，通过google矩阵的转置对上一次迭代进行修正，等到本次迭代的结果

谷歌矩阵每一行是对相应点的出度进行平分的结果

转置之后，就是每个点经过出度平分，流入该点的PR值比例，不知道能不能理解

你们可以拿着第一个点在脑子里测试一下是不是这个道理

代码思路如下：

1.c=pagerank(A,n)函数，传入初始邻接矩阵和矩阵规模，返回最终的PR值向量放入c中

#1.计算每个点的出度

#2.得到google矩阵

#3.初始化PR向量

#4.进入迭代

2.迭代算法单独拿出来做成一个函数 runpagerrank

c=runpagerank(A1,PR)  传入谷歌矩阵和上个版本的PR值，经过google矩阵修正得到新的PR值

3.c=pagerank(A,n)代码如下：

function c=pagerank(A,n)   %传入邻接图A和网络规模n
%1.计算每个点的出度
outDegree=zeros(n,1);
for i=1:n
    current_outDegree=0;
    for j=1:n
        if A(i,j)>0
            current_outDegree=current_outDegree+1;
        end
    end
    outDegree(i,1)=current_outDegree;
end

%2.基本的pagerank算法，得到的google矩阵A1如下
A1=A;
for i=1:n
    for j=1:n
        if outDegree(i,1)==0                 %如果一个点出度为0，为了防止这个点把整个网路的PR值耗散掉，设定这个点没有链接的情况下，随机跳转到其他网络
            A1(i,j)=1/n;
        else
        A1(i,j)=A1(i,j)/outDegree(i,1);
        end
    end
end
A1
%3.初始化PR向量，使得浏览每个页面的概率相同
PR=zeros(n,1);
for i=1:n
    PR(i,1)=1/n;
end
PR
%4.把谷歌矩阵A1转置，右边乘上PR矩阵，就是一次迭代
%迭代收敛的意思是，这次迭代和下次迭代结果相同，就停止
num=0;
runpagerank(A1,PR)
while 1
    if round(PR,4)==round(runpagerank(A1,PR),4) %这里如果不用估值（前4），一直没法终止算法
        c=PR;
        break;
    else
        PR=runpagerank(A1,PR);
        PR
        num=num+1
    end
end
    

4.runpagerank(A1,PR)代码如下

function c=runpagerank(A1,PR)
c=A1'*PR;

5.实验结果

在外面构造一个图一的邻接矩阵A

调用pagerank(A,size(A,1))即可

验证1节点4/13=？

得到的结果是正确的

三、pagerank算法未修正实现有哪些问题？

1.悬挂节点（Dangling node）

导致pagerank算法若干次迭代之后整个网络所有节点PR值为0

如果图中有一个点的出度为0，也就是该页面没有任何超链接指向其他页面

在使用PR算法进行一次迭代时，这个点的PR值将被耗散掉

就是说，整个网络每次迭代都会传递给这个出度为0的点一些PR值，而这个出度为0的点没有可以把自身PR值回馈给整个网络的途径，每次迭代都耗散一点，最后完全gg思密达。

2.出部导致算法的PR值最后全部被出部所吸收

像上图这样一个小系统（6号节点和7号节点组成的系统）组成的出部，也没有把PR值回馈给系统的途径整个出部只会向系统索取，而不会反哺系统，简直人渣，最后也会导致若干次迭代后出部吸收了系统所有的PR值，系统其它部分PR值都为0。

3.环装网络导致算法不停循环而无法收敛

在上图基础上，如果初始PR值为

（为什么初始PR值不都设成一样？这里只是想说明这个不断循环的过程

如果全部设成一样，下一次迭代大家也都是1/5，马上就误判成收敛，不就很捞了？）

那么PR值迭代过程如下表：

（忽略右上角的马赛克）

最后就不断循环，无法收敛，我算法里的收敛条件是RP值前四位 迭代前和迭代后一样，最后返回迭代前的PR值向量

四、pagerank算法的修正实现

修正的随机冲浪者模型：

假设有一个网上的随机冲浪者，他从一个随机选择的页面开始浏览。

如果当前页面的出度大于零，那么以概率s(0<s<1)在当前页面上随机点击某个超文本连接，进入下一个页面，

同时会以概率1-s在整个WWW上完全随机选择一个页面作为下一步要浏览的页面。（看成是重新输入网址浏览）

如果当前页面的出度为零，那么完全随机地选择一个页面作为下一步要浏览的页面。（看成是当前页面没有超链接指向其他页面，那么只能在地址栏键入网址，进行下一步浏览）

1.经过修正的模型的迭代规则

意思是第K步迭代i节点的PR值，以s的概率按照之前的方式执行，以（1-s）的概率进行随机浏览

这里的表示如下：

意思是出度大于0，不变

出度等于0，那么随机浏览

2.s值的大小确定

可以想象，s值的大小是控制模型按照之前模式浏览还是随机浏览的一个滑动值

如果s=0，那么公式前面一半为0，后面就是1/N

意思就是所有页面都不点自身的超链接，都选择在网址栏键入网址的方式进行浏览。

如果s=1,公式后面一半为0，就完全按照未修正模型进行PR的计算。

Page和Brin当初提出PageRank算法时，建议取s=0.85。

这个0.85的结果也不知道他们做了多少工作才得出的，也不知道他们最后怎么就建议成0.85

反正现在就用0.85来玩吧....

3.算法实现

只要把之前算法的google矩阵逻辑稍微改一下就好了

就是在第二部分稍微改一下

function c=pagerank1(A,n)   %传入邻接图A和网络规模n
%1.计算每个点的出度
outDegree=zeros(n,1);
for i=1:n
    current_outDegree=0;
    for j=1:n
        if A(i,j)>0
            current_outDegree=current_outDegree+1;
        end
    end
    outDegree(i,1)=current_outDegree;
end

%2.经过修正的pagerank算法，得到的google矩阵A1如下
A1=A;
for i=1:n
    for j=1:n
        if outDegree(i,1)==0                 %如果一个点出度为0，为了防止这个点把整个网路的PR值耗散掉，设定这个点没有链接的情况下，随机跳转到其他网络
            A1(i,j)=1/n;
        else
        A1(i,j)=A1(i,j)/outDegree(i,1);
        end
    end
end
A1=0.85*A1+0.15*1/n*ones(n)  %修正google矩阵
%3.初始化PR向量，使得浏览每个页面的概率相同
PR=zeros(n,1);
for i=1:n
    PR(i,1)=1/n;
end
PR
%4.把谷歌矩阵A1转置，右边乘上PR矩阵，就是一次迭代
%迭代收敛的意思是，这次迭代和下次迭代结果相同，就停止
num=0;
runpagerank(A1,PR)
while 1
    if round(PR,4)==round(runpagerank(A1,PR),4)
        c=PR;
        break;
    else
        PR=runpagerank(A1,PR);
        PR
        num=num+1
    end
    if num==73
        break;
    end
end
    

五.小结

左图为修正pagerank结果，右图为未修正的pagerank结果

可以看到结果大差不差，但是迭代速度那就快很多了。