3.3 文章影响力评价问题

点击查看代码
import numpy as np
from scipy.sparse.linalg import eigs
import pylab as plt
w = np.array([[0, 1, 0, 1, 1, 1],
[0, 0, 0, 1, 1, 1],
[1, 1, 0, 1, 0, 0],
[0, 0, 0, 0, 1, 1],
[0, 0, 1, 0, 0, 1],
[0, 0, 1, 0, 0, 0]])
r = np.sum(w,axis=1,keepdims=True)
n = w.shape[0]
d = 0.85
P = (1-d)/n+d*w/r #利用矩阵广播
w,v = eigs(P.T,1) #求最大特征值及对应的特征向量
v = v/sum(v)
v = v.real
print("最大特征值为:",w.real)
print("归一化特征向量为:\n",np.round(v,4))
plt.bar(range(1,n+1),v.flatten(),width=0.6)
plt.show()
print("学号:3004")
![](https://img2024.cnblogs.com/blog/3513959/202410/3513959-20241014223156228-206866933.png)

posted on   黄元元  阅读(24)  评论(0编辑  收藏  举报

相关博文:
阅读排行:
· winform 绘制太阳,地球,月球 运作规律
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 上周热点回顾(3.3-3.9)
< 2025年3月 >
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5

统计

点击右上角即可分享
微信分享提示