google_matrix#
- google_matrix(G, alpha=0.85, personalization=None, nodelist=None, weight='weight', dangling=None)[source]#
返回图的Google矩阵。
- Parameters:
- G图
一个NetworkX图。无向图将被转换为一个有向图,每条无向边对应两条有向边。
- alpha浮点数
阻尼因子。
- personalization: 字典, 可选
由包含图节点子集及其个性化值的字典组成的“个性化向量”。至少一个个性化值必须非零。如果未指定,节点的个性化值将为零。默认情况下,使用均匀分布。
- nodelist列表, 可选
行和列根据nodelist中的节点排序。如果nodelist为None,则排序由G.nodes()生成。
- weight键, 可选
用作权重的边数据键。如果为None,权重设置为1。
- dangling: 字典, 可选
分配给任何“悬空”节点的出边,即没有出边的节点。字典键是出边指向的节点,字典值是该出边的权重。默认情况下,悬空节点根据个性化向量(如果未指定则为均匀分布)分配出边。这必须选择以产生不可约的转移矩阵(见下面的注释)。通常,悬空字典与个性化字典相同。
- Returns:
- A2D NumPy ndarray
图的Google矩阵
See also
Notes
返回的数组表示描述PageRank中使用的马尔可夫链的转移矩阵。为了使PageRank收敛到唯一解(即马尔可夫链中的唯一平稳分布),转移矩阵必须是不可约的。换句话说,图中每对节点之间必须存在路径,否则可能存在“排名下沉”。
此实现适用于多(有向)图。对于多图,两个节点之间的权重设置为这两个节点之间所有边权重的总和。
Additional backends implement this function
graphblas : OpenMP-enabled sparse linear algebra backend.