前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >PageRank算法原理与实现

PageRank算法原理与实现

作者头像
用户1332428
发布2018-07-30 14:52:21
5090
发布2018-07-30 14:52:21
举报
文章被收录于专栏:人工智能LeadAI

99正文共835个字,8张图,预计阅读时间6分钟。

1、PageRank

1.1.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。

1.2.公式

对于一个页面A,那么它的PR值为:

  • PR(A) 是页面A的PR值
  • PR(Ti)是页面Ti的PR值,在这里,页面Ti是指向A的所有页面中的某个页面
  • C(Ti)是页面Ti的出度,也就是Ti指向其他页面的边的个数
  • d 为阻尼系数,其意义是,在任意时刻,用户到达某页面后并继续向后浏览的概率,

该数值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

还有一个版本的公式:

N为页面的总数

1.3.具体实例

三个页面A、B、C

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。

  • 页面A的PR值计算如下:
  • 页面B的PR值计算如下:
  • 页面C的PR值计算如下:

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?一般要设置收敛条件: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。

2、代码实现

代码语言:javascript
复制
 1import numpy as np
 2from scipy.sparse import csc_matrix
 3
 4def pageRank(G, s=.85, maxerr=.0001):
 5"""
 6Computes the pagerank for each of the n states
 7Parameters
 8----------
 9G: matrix representing state transitions
10Gij is a binary value representing a transition from state i to j.
11s: probability of following a transition. 1-s probability of teleporting
12to another state.
13maxerr: if the sum of pageranks between iterations is bellow this we will
14    have converged.
15"""
16n = G.shape[0]
17# 将 G into 马尔科夫 A
18A = csc_matrix(G, dtype=np.float)
19rsums = np.array(A.sum(1))[:, 0]
20ri, ci = A.nonzero()
21A.data /= rsums[ri]
22sink = rsums == 0
23# 计算PR值,直到满足收敛条件
24ro, r = np.zeros(n), np.ones(n)
25while np.sum(np.abs(r - ro)) > maxerr:
26ro = r.copy()
27for i in range(0, n):
28    Ai = np.array(A[:, i].todense())[:, 0]
29    Di = sink / float(n)
30    Ei = np.ones(n) / float(n)
31    r[i] = ro.dot(Ai * s + Di * s + Ei * (1 - s))
32 # 归一化
33 return r / float(sum(r))
34 if __name__ == '__main__':
35 # 上面的例子
36 G = np.array([[0, 0, 1],
37          [1, 0, 0],
38          [1, 1, 0]])
39 print(pageRank(G, s=0.85))
40 # 结果:
41 [0.51203622 0.19313191 0.29483187]

3、参考资料

1、Pagerank Algorithm Explained(https://www.slideshare.net/jdhaar/pagerank-algorithm-explaned)

2、【大创_社区划分】——PageRank算法的解析与Python实现(https://blog.csdn.net/gamer_gyt/article/details/47443877)

3、浅入浅出:PageRank算法(https://www.letiantian.me/2014-06-10-pagerank/)

4、PageRank(https://en.wikipedia.org/wiki/PageRank)

原文链接:https://www.jianshu.com/p/6af90342c3ba

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-07-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 人工智能LeadAI 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档