计算PageRank的示例分析

本篇文章为大家展示了计算PageRank的示例分析，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

在成都做网站、网站设计中从网站色彩、结构布局、栏目设置、关键词群组等细微处着手，突出企业的产品/服务/品牌，帮助企业锁定精准用户，提高在线咨询和转化，使成都网站营销成为有效果、有回报的无锡营销推广。成都创新互联专业成都网站建设10多年了，客户满意度97.8%，欢迎成都创新互联客户联系。

Page Rank就是MapReduce的来源，下文是一个简单的计算PageRank的示例。

import java.text.DecimalFormat;

/**
 * Created by jinsong.sun on 2014/7/15.
 */
public class PageRankCaculator {

    public static void main(String[] args) {
        double[][] g = calcG(genS(), 0.85);
        double[] q = genQ();

        int i = 0;
        while (i++ < 100000) {
            q = calcQ(g, q);
            printQString(q);
        }
    }

    public static double[][] genS() {
        double[] linkA = {0.00, 0.50, 0.50, 0.00, 0.50};
        double[] linkB = {0.25, 0.00, 0.00, 0.00, 0.00};
        double[] linkC = {0.25, 0.00, 0.00, 1.00, 0.50};
        double[] linkD = {0.25, 0.50, 0.50, 0.00, 0.00};
        double[] linkE = {0.25, 0.00, 0.00, 0.00, 0.00};

        return new double[][]{linkA, linkB, linkC, linkD, linkE};
    }

    public static double[] genQ() {
        return new double[] {1.00, 1.00, 1.00, 1.00, 1.00};
    }

    /**
     * 计算G矩阵。公式：G = α*S + (1-α)*(1/n)*U
     *
     * @param s     原始矩阵
     * @param alpha 权重
     * @return  G矩阵
     */
    public static double[][] calcG(double[][] s, double alpha) {
        int size = 5;
        //all one matrix
        double[][] u = {{1.00, 1.00, 1.00, 1.00, 1.00}, {1.00, 1.00, 1.00, 1.00, 1.00}
                        , {1.00, 1.00, 1.00, 1.00, 1.00}, {1.00, 1.00, 1.00, 1.00, 1.00}
                        , {1.00, 1.00, 1.00, 1.00, 1.00}};
        //计算a*S
        double[][] m1 = new double[size][size];
        for (int i = 0; i < s.length; i++) {
            for (int j = 0; j < s[i].length; j++) {
                m1[i][j] = s[i][j] * alpha;
            }
        }

        //(1-α)*(1/n)*U
        double[][] m2 = new double[size][size];
        for (int i = 0; i < u.length; i++) {
            for (int j = 0; j < u[i].length; j++) {
                DecimalFormat df = new DecimalFormat("#.0000");
                m2[i][j] = Double.parseDouble(df.format((1.0 - alpha) * (1.0 / size) * u[i][j]));
            }
        }

        //G = α*S + (1-α)*(1/n)*U
        double[][] m3 = new double[size][size];
        for (int i = 0; i < size; i++) {
            for (int j = 0; j < size; j++) {
                m3[i][j] = m1[i][j] + m2[i][j];
                DecimalFormat df = new DecimalFormat("#.0000");
                m3[i][j] = Double.parseDouble(df.format(m3[i][j]));
            }
        }

        return m3;
    }

    /**
     * 计算特征向量。公式：q_next = G * q_curr
     *
     * @param g     G矩阵
     * @param q     特征向量
     * @return
     */
    public static double[] calcQ(double[][] g, double[] q) {
        double[] qNext = new double[g.length];
        for (int i = 0; i < g.length; i++) {
            for (int j = 0; j < g[i].length; j++) {
                qNext[i] += g[i][j] * q[j];
            }
        }
        return qNext;
    }

    public static void printQString(double[] m) {
        String s = "{ {:p00}, {:p10}, {:p20}, {:p30}, {:p40} }";
        for (int i = 0; i < 5; i++) {
            s = s.replace(":p" + i + "0", String.valueOf(m[i]));
        }
        System.out.println(s);
    }
}

上述内容就是计算PageRank的示例分析，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。