personalRank

Author: Thinkgamer

RersonalRank/persnalRank.py

@@ -0,0 +1,51 @@
+#-*-coding:utf-8-*-
+'''
+Created on 2016年6月16日
+
+@author: Gamer Think
+'''
+
+'''
+G：二分图   alpha:随机游走的概率   root：游走的初始节点     max_step；最大走动步数
+'''
+def PersonalRank(G, alpha, root, max_step):
+    rank = dict()  
+    rank = {x:0 for x in G.keys()}
+    rank[root] = 1  
+    #开始迭代  
+    for k in range(max_step):  
+        tmp = {x:0 for x in G.keys()}  
+        #取节点i和它的出边尾节点集合ri  
+        for i, ri in G.items():  #i是顶点。ri是与其相连的顶点极其边的权重
+            #取节点i的出边的尾节点j以及边E(i,j)的权重wij, 边的权重都为1，在这不起实际作用  
+            for j, wij in ri.items():   #j是i的连接顶点，wij是权重
+                #i是j的其中一条入边的首节点，因此需要遍历图找到j的入边的首节点，  
+                #这个遍历过程就是此处的2层for循环，一次遍历就是一次游走  
+                tmp[j] += alpha * rank[i] / (1.0 * len(ri))  
+        #我们每次游走都是从root节点出发，因此root节点的权重需要加上(1 - alpha)  
+        #在《推荐系统实践》上，作者把这一句放在for j, wij in ri.items()这个循环下，我认为是有问题。  
+        tmp[root] += (1 - alpha)  
+        rank = tmp  
+  
+        #输出每次迭代后各个节点的权重  
+        print 'iter:  ' + str(k) + "\t",  
+        for key, value in rank.items():  
+            print "%s:%.3f, \t"%(key, value),  
+        print  
+  
+    return rank  
+  
+
+'''
+主函数，G表示二分图，‘A’表示节点，后边对应的字典的key是连接的顶点，value表示边的权重
+'''
+if __name__ == '__main__':
+    G = {'A' : {'a' : 1, 'c' : 1},  
+         'B' : {'a' : 1, 'b' : 1, 'c':1, 'd':1},  
+         'C' : {'c' : 1, 'd' : 1},  
+         'a' : {'A' : 1, 'B' : 1},  
+         'b' : {'B' : 1},  
+         'c' : {'A' : 1, 'B' : 1, 'C':1},  
+         'd' : {'B' : 1, 'C' : 1}}  
+  
+    PersonalRank(G, 0.85, 'A', 100)