pagerank

pagerank(G, alpha=0.85, personalization=None, max_iter=100, tol=1e-06, nstart=None, weight='weight', dangling=None)

返回图中节点的PageRank值。

PageRank根据图中入链的结构计算节点的排名。它最初设计为一种网页排名算法。

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, 可选

PageRank的阻尼参数，默认为0.85。

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。默认使用均匀分布。

max_iter整数, 可选

幂方法特征值求解器中的最大迭代次数。

tol浮点数, 可选

用于检查幂方法求解器中收敛性的误差容限。迭代将在达到 len(G) * tol 的容限后停止。

nstart字典, 可选

每个节点的PageRank迭代初始值。

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“悬挂”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，悬挂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（参见google_matrix下的注释）。通常，悬挂字典与个性化字典相同。

Returns:

pagerank字典

包含节点及其PageRank值的字典

Raises:

PowerIterationFailedConvergence

如果算法在指定的幂迭代方法迭代次数内未收敛到指定的容限。

See also

google_matrix

Notes

特征向量的计算通过幂迭代方法进行，没有收敛保证。迭代将在达到 len(G) * tol 的误差容限后停止。如果迭代次数超过 max_iter ，将引发:exc:networkx.exception.PowerIterationFailedConvergence 异常。

PageRank算法是为有向图设计的，但此算法不检查输入图是否为有向图，并在无向图上执行时将每条边转换为两条有向边。

References

[1]

A. Langville and C. Meyer, “A survey of eigenvector methods of web information retrieval.” http://citeseer.ist.psu.edu/713792.html

[2]

Page, Lawrence; Brin, Sergey; Motwani, Rajeev and Winograd, Terry, The PageRank citation ranking: Bringing order to the Web. 1999 http://dbpubs.stanford.edu:8090/pub/showDoc.Fulltext?lang=en&doc=1999-66&format=pdf

Examples

>>> G = nx.DiGraph(nx.path_graph(4))
>>> pr = nx.pagerank(G, alpha=0.9)

---

Additional backends implement this function

graphblas : OpenMP-enabled sparse linear algebra backend.