网站为什么要备案登记,公司网页原型设计,源码交易网站源码,优化方案2022版语文1.理论知识 算法原理PageRank 通过网络浩瀚的超链接关系来确定一个页面的等级。 Google 把从 A 页面到 B 页面的链接解释为A页面给B页面投票#xff0c; Google 根据投票来源#xff08;甚至来源的来源#xff0c; 即链接到A页面的页面#xff09;和投票目标的等级来决定新…1.理论知识 算法原理PageRank 通过网络浩瀚的超链接关系来确定一个页面的等级。 Google 把从 A 页面到 B 页面的链接解释为A页面给B页面投票 Google 根据投票来源甚至来源的来源 即链接到A页面的页面和投票目标的等级来决定新的等级。 PageRank 算法的思想简单的说一个高等级的页面可以使其他低等级页面的等级提升。如果A页面有一个链接指向B页面那就可以看作是A页面对B页面的一种信任或推荐。所以如果一个页面的反向链接越多再根据这些链接的价值加权越高那搜索引擎就会判断这样的页面更为重要页面等级 (PageRank)也就越高。 图4.1 PageRank加权传递图
传递计算公式 2.算法流程图 3.关键代码
import numpy as np
from fractions import Fractionnp.set_printoptions(formatter{all: lambda x: str(Fraction(x).limit_denominator())}) # 格式化 保留分数不至于精度丢失def PageRank(M, R0): # 定义一个迭代函数直至MRR时输出RRN {}while (True):RN np.dot(M, R0)if ((RN R0).any()): # 判断两个数组是否相等breakelse:R0 np.copy(RN)return sorted(RN)if __name__ __main__:Map [[0, 1 / 2, 1, 0],[1 / 3, 0, 0, 1 / 2],[1 / 3, 0, 0, 1 / 2],[1 / 3, 1 / 2, 0, 0]]# 根据有向图M np.array(Map)# 转移矩阵num len(Map)R0 np.array([1 / num, 1 / num, 1 / num, 1 / num]).reshape(4, 1) # 初始R0R_1 PageRank(M, R0)print(------------------------------------------------------)print(有向图:)print(\n.join(str(x) for x in Map))print(------------------------------------------------------)print(PageRank计算结果为:)print(\n.join(str(x) for x in R_1))print(------------------------------------------------------)4.测试数据
表4.1 PageRank有向矩阵 A B C D A 0 1/2 1 0 B 1/3 0 0 1/2 C 1/3 0 0 1/2 C 1/3 1/2 0 0 5.实验结果与分析 图 4.2 PageRank计算结果 6.算法优缺点
优点 是一个与查询无关的静态算法所有网页的PageRank值通过离线计算获得有效减少在线查询时的计算量极大降低了查询响应时间。 缺点 人们的查询具有主题特征PageRank忽略了主题相关性导致结果的相关性和主题性降低。旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多上游链接除非它是某个站点的子站点。 其他实验我是芒果酱点一个关注吧(σ′▽‵)′▽‵)σ k-Means聚类算法 HNUST【数据分析技术】(2024)-CSDN博客PageRank Web页面分级算法 HNUST【数据分析技术】(2024)-CSDN博客KNN分类算法 HNUST【数据分析技术】(2024)-CSDN博客Apriori关联规则算法 HNUST【数据分析技术】(2024)-CSDN博客
