PageRank算法

PageRank算法

 

PageRank算法是谷歌搜索引擎的核心算法，该算法是由Larry Page和Sergey Brin在斯坦福大学读研时设计的，PageRank 的核心思想有两点。

 

( 1 )如果一个网页被很多其他网页链接，说明这个网页比较重要，也就是PageRank值会相对较高;

 

(2)如果一个PageRank值很高的网页链接到一个其他的网页，那么被链接到的网页的PageRank值会相应地因此提高。

 

这个算法可以引申到社交关系中的核心人物发现。例如在微博关注中，如有一个大V关注了一个微博账号，那么可以知道这个微博账号很有可能也是一个大V。

 

 

#步骤1 加载R包

library(igraph)

library(dplyr)

library(printr)

#步骤2 数据集准备

g<-random.graph.game(n=10,p.or.m=1/4,directed=TRUE)

plot(g)

 

#步骤3 建立模型

pr<-page.rank(g)$vector

df<-data.frame(Object=1:10,PageRank=pr)

#步骤4 模型展示

arrange(df,desc(PageRank))