PageRank原理分析

pagerank是将众多网页看成一个有向图,每个页面就是有向图中的节点。计算每个节点的出度和入度。如果一个网站被大量其他的网页引用,那么他就会有更高的pr分数。

原理#

对于所有与节点i相连的节点,用他们的pr值除以他们的出度(一个节点可以给多个节点投票,但是投票的权重会被平摊)

计算转移矩阵。第一列表示A的所有出度 (A->A, A->B, A->C, A->D) ,第一行表示A的所有入度 (A->A, B->A, C->A, D->A)

\[M=\left[\begin{array}{llll} 0 & 0 & \frac{1}{2} & 1 \\ \frac{1}{2} & 0 & 0 & 0 \\ \frac{1}{2} & 1 & 0 & 0 \\ 0 & 0 & \frac{1}{2} & 0 \end{array}\right] \]

用矩阵计算来更新pr值:

\[PR_{i}=\sum_{j \in B_{i}} \frac{PR_{j}}{L_{j}} \]

\[PR(a)=M * P \]

\[P_{1}=M \cdot P_{0}=\left[\begin{array}{cccc} 0 & 0 & \frac{1}{2} & 1 \\ \frac{1}{2} & 0 & 0 & 0 \\ \frac{1}{2} & 1 & 0 & 0 \\ 0 & 0 & \frac{1}{2} & 0 \end{array}\right] \cdot\left[\begin{array}{c} \frac{1}{4} \\ \frac{1}{4} \\ \frac{1}{4} \\ \frac{1}{4} \end{array}\right]=\left[\begin{array}{c} \frac{3}{8} \\ \frac{1}{8} \\ \frac{3}{8} \\ \frac{1}{4} \end{array}\right] \]

\(P\)是它们的pr得分, \(L\)是节点的出度。计算下一层pr的方法就是,把相连的节点的pr都拿过来,但是要同时除以他们的出度。pr的默认值就是\(\frac{1}{n}\)

\(0 * \frac{1}{4} + 0 * \frac{1}{4} + \frac{1}{2} * \frac{1}{4} + 1 * \frac{1}{4} = \frac{3}{8}\)

DeadEnds#

当一个节点只有入度没有出度,那么他就是DeadEnds。这个节点会导致整个网页的pagerank值趋于0。


他的转移矩阵M如下,由于他的某一列全为0,导致所有结果都会变成0

\[M=\left[\begin{array}{cccc} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 1 & 1 & 0 \\ \end{array}\right] \]

可以看到两轮后就为0了

Copy
for i in range(3): item = a.dot(item) print(item) # [0. 0. 0.66666667] # [0. 0. 0.] # [0. 0. 0.]

修正的方法就是在全为0的那一列加上一个平均值。他的含义就是如果一个页面不链接到任何其他网页,他们他就有可能转换到任何页面。

\[M+a^{T}\left(\frac{e}{n}\right) \]

  • M 是转移矩阵
  • a 是 n * n 的向量,如果第i个节点的出度为0,那么a的第i列就全为1,否则就全为0.
  • e 是全1的 n * 1 的向量
  • 点乘操作(而不是矩阵运算)

其实就是在对应一列加上一个平均值

\[M=\left[\begin{array}{cccc} 0 & 0 & \frac{1}{3} \\ 0 & 0 & \frac{1}{3} \\ 1 & 1 & \frac{1}{3} \\ \end{array}\right] \]

SpiderTraps#

一个节点只有指向自己的链接,这种节点的权重在迭代的过程中会变成1,而其他的节点会趋于0.

这种节点的转移矩阵如下:

\[M=\left[\begin{array}{cccc} 1 & \frac{1}{2} & \frac{1}{2} \\ 0 & 0 & \frac{1}{2} \\ 0 & \frac{1}{2} & 0 \\ \end{array}\right] \]

由于这个节点的对角线元素是1,所以他的pagerank值会不断增加。他的解决方法就是引入一个概率\(\beta\),用户会有\(\beta\)的概率停留在这个节点,有\(1-\beta\)的概率跳转到其他任何网页。

\[M=\beta M+(1-\beta) \frac{e e^T}{n} \]

  • \(\beta\)是用户留在网页的概率
  • e是全一的 n * 1 向量,\(ee^T\)就是全一的 n * n矩阵

这样的话,完整的公式如下所示:

\[PR(a)=\left[\beta\left(M+a^{T}\left(\frac{e}{n}\right)\right)+(1-\beta) \frac{ee^T}{n}\right] * PR \]

networkx实现#

Copy
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(200): m = random.randint(0, 100) n = random.randint(0, 100) graph.add_edge(m,n) nx.draw(graph, with_labels=True) plt.show() pr = nx.pagerank(graph, max_iter=100, alpha=0.01) print(pr)

posted @   twilight0402  阅读(362)  评论(0编辑  收藏  举报
编辑推荐:
· 用 C# 插值字符串处理器写一个 sscanf
· Java 中堆内存和栈内存上的数据分布和特点
· 开发中对象命名的一点思考
· .NET Core内存结构体系(Windows环境)底层原理浅谈
· C# 深度学习:对抗生成网络(GAN)训练头像生成模型
阅读排行:
· 趁着过年的时候手搓了一个低代码框架
· 本地部署DeepSeek后,没有好看的交互界面怎么行!
· 为什么说在企业级应用开发中,后端往往是效率杀手?
· 用 C# 插值字符串处理器写一个 sscanf
· 乌龟冬眠箱湿度监控系统和AI辅助建议功能的实现
点击右上角即可分享
微信分享提示
CONTENTS