R中的PageRank。向量问题以及如何遍历邻接矩阵答案

【问题标题】：PageRank in R. Issue with vectors and how to iterate through adjacency matrixR中的PageRank。向量问题以及如何遍历邻接矩阵
【发布时间】：2016-12-12 18:36:22
【问题描述】：

我有一个 1 和 0 的 500x500 邻接矩阵，我需要计算每个页面的 pagerank。我这里有一个代码，其中 R 是矩阵，T=0.15 是一个常数：

 n = ncol(R)
 B = matrix(1/n, n, n) # the teleportation matrix
 A = 0.85 * R + 0.15 * B
 ranks = eigen(A)$vectors[1] # my PageRanks
 print(ranks)
[1] -0.5317519+0i

我对 R 没有太多经验，但我假设给定的输出是一个通用的 pagerank，我需要为每个页面设置一个 pagerank。

有没有办法构建一个与矩阵相关的页面排名表？我没有在网上找到任何与我的特定案例相关的内容。

【问题讨论】：

标签： r matrix vector data-science pagerank

【解决方案1】：

几点：

(1) 您需要将二进制邻接矩阵（在您的情况下为 R）转换为列随机转换矩阵（表示页面之间转换的概率）。

(2) A 也需要保持列随机性，那么只有特征值 1 对应的主导特征向量才会是页面排名向量。

(3) 求矩阵A的第一个特征向量，需要使用eigen(A)$vectors[,1]

以小型 5x5 邻接矩阵 R 为例：

set.seed(12345)
R = matrix(sample(0:1, 25, replace=TRUE), nrow=5) # random binary adjacency matrix
R = t(t(R) / rowSums(t(R))) # convert the adjacency matrix R to a column-stochastic transition matrix
n = ncol(R)
B = matrix(1/n, n, n) # the teleportation matrix
A = 0.85 * R + 0.15 * B
A <- t(t(A) / rowSums(t(A))) # make A column-stochastic
ranks = eigen(A)$vectors[,1] # my PageRanks
print(ranks)
# [1] 0.05564937 0.05564937 0.95364105 0.14304616 0.25280990
print(ranks / sum(ranks)) # normalized ranks
[1] 0.03809524 0.03809524 0.65282295 0.09792344 0.17306313

【讨论】：

不过，我得到更多错误： B = matrix(1/n, n, n) # the teleportation matrix > A = 0.85 * R + 1 * B Error in 0.85 * R + 1 * B : non-conformable arrays > A
由于某些错误，未计算 A。在这种情况下，R 是您的转移概率矩阵，B 是传送矩阵，请确保 dim(R) = dim(B)。我们有吗？此外，A = (1-p)*R+p*B，如果瞬移概率 p = 0.15，则 1-p=0.85。