六、PageRank算法与代码实战【CS224W】(Datawhale组队学习) |
您所在的位置:网站首页 › 计算pagerank值图示例 › 六、PageRank算法与代码实战【CS224W】(Datawhale组队学习) |
开源内容:https://github.com/TommyZihao/zihao_course/tree/main/CS224W 子豪兄B 站视频:https://space.bilibili.com/1900783/channel/collectiondetail?sid=915098 斯坦福官方课程主页:https://web.stanford.edu/class/cs224w 目录 PageRank冷知识PageRank简介应用场景理解PageRank的五种角度求解PageRank迭代左乘M矩阵PageRank收敛性分析PageRank存在的问题PageRank解决方案 PageRank其它应用代码实战构建图并进行可视化对PageRank得分进行排名用节点尺寸可视化PageRank值 总结 PageRank冷知识 Google最早的搜索引擎算法。给每个网页重要度打分,高分靠前。Page既有“网页”的意思,也有“拉里·佩奇”的意思两位作者当年只有24岁,是斯坦福大学的phD谷歌最早的办公场地是车库里的乒乓球桌1997年之前的搜索引擎︰网页收录少、相关率20%、排序效果差1997年之后,斯坦福大学Google搜索结果,相关率80%搜索引擎成为互联网第一个Killer App,开启互联网时代PageRank申请专利后,谷歌一举超过雅虎、微软拉里·佩奇凭借PageRank,在30岁当选美国工程院院士斯坦福大学拥有超过1%的Google股票。收益超过10亿美元 PageRank简介PageRank是1997年谷歌第一代搜索引擎的底层算法。大幅提高了搜索结果的相关率和质量,成为互联网第一个爆款应用,造就了传奇的谷歌公司。 应用场景PageRank把互联网表示为由网页节点和引用链接构成的有向图,通过链接结构,计算网页节点重要度。来自重要网页节点的引用链接,权重更高。 理解PageRank的五种角度我们可以通过线性方程组、矩阵乘法、特征值和特征向量、随机游走、马尔科夫链这五种角度,理解并求解PageRank值。 线性方程组 重要节点引出的稀少链接,权重更高 矩阵乘法 迭代左乘M矩阵 特征值和特征向量 对于Column Stochastic矩阵,由Perreon-Frobenius定理︰最大的特征值为1,存在唯一的主特征向量(特征值1对应的特征向量),向量所有元素求和为1 随机游走 浏览者顺着连接随机游走,一个网页的访问次数比较多则说明这个网页比较重要 马尔科夫链 每个节点表示一种状态,节点之间的连接表示状态的转移,根据状态转移矩阵,可以计算下一个时刻的状态转移概率 求解PageRank 迭代求解线性方程组( O ( n 3 ) O(n^{3}) O(n3),不推荐)迭代左乘M矩阵(推荐,幂迭代)矩阵的特征向量( O ( n 3 ) O(n^3) O(n3),不推荐)随机游走(需模拟很多游走,不推荐)马尔科夫链(和求解矩阵特征向量等价,不推荐) 迭代左乘M矩阵 PageRank收敛性分析Ergodic定理:如果满足irreducible(非彼此孤立)和aperiodic(非周期性质震荡)的马尔科夫链,则一定满足: 存在唯一的解 π \pi π能从 π 0 \pi_0 π0收敛到 π \pi π PageRank存在的问题仅指向自己的节点(刷抖音刷的停不下来) 没有出连接(看到这个网页之后全部退网了) 违背了每一列求和为1的假设 PageRank解决方案PageRank其它应用 寻找与指定节点最相似的节点(Proximity on graphs):同一个用户访问过的节点更可能是相似的(基本假设) PageRank变种::将“随机传送到任一节点”优化为“随机传送到指定的一些节点”或“随机传送到指定的一个节点”,用访问次数来反映节点的亲疏远近。 Topic-Specific PageRank或Personalized PageRank:随机传送到指定的一些节点Random Walk with Restarts:随机传送到指定的一个节点 代码实战 import networkx as nx # 图数据挖掘 import numpy as np # 数据分析 import random # 随机数 import pandas as pd # 数据可视化 import matplotlib.pyplot as plt import matplotlib as mpl %matplotlib inline plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号 构建图并进行可视化OpenKG-四大名著人物关系知识图谱和OWL本体:http://www.openkg.cn/dataset/ch4masterpieces df = pd.read_csv('data/三国演义/triples.csv') df edges = [edge for edge in zip(df['head'], df['tail'])] G = nx.DiGraph() G.add_edges_from(edges) # 可视化 plt.figure(figsize=(15,14)) pos = nx.spring_layout(G, iterations=3, seed=5) nx.draw(G, pos, with_labels=True) plt.show() 对PageRank得分进行排名 pagerank = nx.pagerank(G, # NetworkX graph 有向图,如果是无向图则自动转为双向有向图 alpha=0.85, # Damping Factor personalization=None, # 是否开启Personalized PageRank,随机传送至指定节点集合的概率更高或更低 max_iter=100, # 最大迭代次数 tol=1e-06, # 判定收敛的误差 nstart=None, # 每个节点初始PageRank值 dangling=None, # Dead End死胡同节点 ) sorted(pagerank.items(),key=lambda x : x[1], reverse=True) 用节点尺寸可视化PageRank值 # 节点尺寸 node_sizes = (np.array(list(pagerank.values())) * 8000).astype(int) # 节点颜色 M = G.number_of_edges() edge_colors = range(2, M + 2) plt.figure(figsize=(15,14)) # 绘制节点 nodes = nx.draw_networkx_nodes(G, pos, node_size=node_sizes, node_color=node_sizes) # 绘制连接 edges = nx.draw_networkx_edges( G, pos, node_size=node_sizes, # 节点尺寸 arrowstyle="->", # 箭头样式 arrowsize=20, # 箭头尺寸 edge_color=edge_colors, # 连接颜色 edge_cmap=plt.cm.plasma,# 连接配色方案,可选:plt.cm.Blues width=4 # 连接线宽 ) # 设置每个连接的透明度 edge_alphas = [(5 + i) / (M + 4) for i in range(M)] for i in range(M): edges[i].set_alpha(edge_alphas[i]) # # 图例 # pc = mpl.collections.PatchCollection(edges, cmap=cmap) # pc.set_array(edge_colors) # plt.colorbar(pc) ax = plt.gca() ax.set_axis_off() plt.show() 总结PageRank是1997年谷歌第一代搜索引擎的底层算法。大幅提高了搜索结果的相关率和质量,成为互联网第一个爆款应用,造就了传奇的谷歌公司。PageRank把互联网表示为由网页节点和引用链接构成的有向图,通过链接结构,计算网页节点重要度。来自重要网页节点的引用链接,权重更高。 我们可以通过线性方程组、矩阵乘法、特征值和特征向量、随机游走、马尔科夫链,五种角度,理解并求解PageRank值。之后对PageRank的收敛性分析并针对特殊节点的进行改进,最后扩展PageRank在推荐系统中计算节点相似度排序的升级变种。 在代码实战中,使用Networkx计算三国演义人物有向图的节点重要度。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |