转载请注明出处： 转载自? Thinkgamer的CSDN博客： blog.csdn.net/gamer_gyt

代码下载地点：点击查察

1：PageRank 与 PeopleRank

2：需求说明：发掘CSDN博客的代价用户

3：算法模子：PeopleRank算法

4：架构计划：从数据筹备到PR算法的MR化

5：措施开拓：hadoop实现PeopleRank算法

一：PageRank与PeopleRank

??????? PageRank算法是Google从垃圾堆里捡黄金的重量级算法，它让谷歌的搜刮引擎一度成为No.1，虽然谷歌所果真的PR算法事实是已往式了，既然它能果真，那么必定不是它最新的算法演化版本，可是不管奈何，我们仍旧从中进修到许多创新和奇异的头脑。

??????? PR算法首要用于网页评分计较，它操作互联网的网页之间的毗连相关，给网页举办打分，最终PR值越高的网页代价也就越高。

??????? 自2012以来，中国开始进入交际收集的期间，开心网，大家网，新浪微博，腾讯微博，微信等交际收集应用，开始进入各人的糊口。最早是由“抢车位”，“偷菜”等交际游戏发动的交际收集的鼓起，现在人们会更多的操作交际收集，获守信息和分享信息。我们的互联网，正在从以网页信息为焦点的收集，向着以工钱焦点的收集转变着。

??????? 于是有人就提出了，把PageRank模子应用于交际收集，界说以工钱焦点的个别代价。这样PageRank模子就有了新的应用规模，同时也有了一个新的名字PeopleRank。

二 . 需求说明：发掘CSDN博客的代价用户

??????

??????? 如上图所示，CSDN博客的每个用户都有存眷人数和粉丝人数，这在必然水平上和网页之间的毗连相关黑白常相似的，我小我私人较量菜，粉丝数太少，虽然我但愿看过我博客的人，假如你感受不错的话是否可以存眷以下呢，闲话少说，这种彼此存眷的相关在必然水平上浮现了用户的代价，粉丝数量越多的人，在必然水平上，其自己所具有的重要性。

??????? 趁便给各人看一个CSDN排名47的牛人

???????

??????? 这恰恰切合PR算法，我们是否可以思量行使PeopleRank算法，操浸染户之间的存眷相关，来计较差异用户的PR值，从而提取出“代价”更高的用户呢？谜底是必定的。

三 . 算法模子：PeopleRank算法

?????? 那么什么是PageRank算法？虽然本篇博客并不是来谈PR算法的，而是将怎样操作hadoop实现pr算法从而发掘有代价的用户，以是以下只是简朴的对pr算法的描写，更多还请本身搜刮查察（以下部门摘自：http://blog.jobbole.com/71431/）

?????? 互联网中的网页可以看出是一个有向图，个中网页是结点，假如网页A有链接到网页B，则存在一条有向边A->B，下面是一个简朴的示例：

??????

???????? 这个例子中只有四个网页，假如当前在A网页，那么清闲的上网者将会各以1/3的概率跳转到B、C、D，这里的3暗示A有3条出链，假如一个网页有k条出链，那么跳转恣意一个出链上的概率是1/k，同理D到B、C的概率各为1/2，而B到C的概率为0。一样平常用转移矩阵暗示上网者的跳转概率，假如用n暗示网页的数量，则转移矩阵M是一个n*n的方阵；假如网页j有k个出链，那么对每一个出链指向的网页i，有M[i][j]=1/k，而其他网页的M[i][j]=0；上面示例图对应的转移矩阵如下：

???????????????????

????????? 初试时，假设上网者在每一个网页的概率都是相称的，即1/n，于是初试的概率漫衍就是一个全部值都为1/n的n维列向量V0，用V0去右乘转移矩阵M，就获得了第一步之后上网者的概率漫衍向量MV0,（nXn）*(nX1)依然获得一个nX1的矩阵。下面是V1的计较进程：

??????????????????

???????????? 留意矩阵M中M[i][j]不为0暗示用一个链接从j指向i，M的第一行乘以V0，暗示累加全部网页到网页A的概率即获得9/24。获得了V1后，再用V1去右乘M获得V2，一向下去，最终V会收敛，即Vn=MV(n-1)，上面的图示例，不绝的迭代，最终V=[3/9,2/9,2/9]’：

四 .架构计划：从数据筹备到PR算法的MR化

这里我回收的是用户和用户之间的存眷相关，譬喻 用户A 存眷 用户B

1：数据收罗

行使Python爬虫收罗CSDN博客的用户和用户的存眷相关，这里我行使的收罗措施架构图如下：

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!