这是networkx的pagerank函数
def pagerank(G, alpha=0.85, personalization=None,
max_iter=100, tol=1.0e-6, nstart=None, weight='weight',
dangling=None):
我对个性化和体重感到困惑。在
我了解当个性化矩阵没有提供统一矩阵时,使用统一矩阵,当没有提供权重时,使用边缘权重1。在
我一直在阅读:边缘权重个性化和节点权重个性化。在
http://www.cs.cornell.edu/~bindel/present/2015-08-kdd-talk_kdd-aug15.pdf
所以我的假设是个性化向量-->可以用于节点权重个性化。例如。我们正在计算特定主题t的节点pagerank。我们给出了与主题相关的节点获得更多价值的个性化向量。在
但是边重呢。当我给V的一个输出边赋予比另一个更高的权重时会发生什么?在
我不能把这两件事分开(边缘权重和个性化向量)。在
还有: 字典悬挂:它代表了传送向量。如果未提供个性化设置向量。悬挂字典对我来说更容易理解,也就是说,当我们到达悬挂节点时,它提供了随机转换的概率。在
有人能帮我理解我提供这三种情况吗,即边缘权重、个性化向量和悬挂向量(pagerank会受到什么影响)
这不是一个真正的编程问题,但我还是会回答的。在
在NetworkX实现中,如果您设置了个性化设置向量,那么这些值也将用于“悬挂节点”——您不能单独设置悬挂节点值。在
“weight=”参数提供要用作数字边权重的边属性。默认的“权重=无”将所有权重设置为(1)。如果要偏移某些边,可以根据图形中的属性随意调整它们。在
相关问题 更多 >
编程相关推荐