Simple and Effective Approximate Single-Source Personalized PageRank

无向图pagerank算法,java版本，完美运行！！！！！！！

The PageRank Citation Ranking-Bringing Order to the Web.pdf

很早就对Google的PageRank算法很感兴趣，但一直没有深究，只有个轮廓性的概念。前几天趁团队outing 的机会，在动车上看了一些相关的资料（PS：在动车上看看书真是一种享受），趁热打铁，将所看的东西 整理成此文。 本文首先会讨论搜索引擎的核心难题，同时讨论早期搜索引擎关于结果页面重要性评价算法的困境，借此 引出PageRank产生的背景。第二部分会详细讨论PageRank的思想来源、基础框架，并结合互联网页面拓 扑结构讨论PageRank处理Dead Ends及平滑化的方法。第三部分讨论Topic­Sensitive PageRank算法。最 后将讨论对PageRank的Spam攻击方法：Spam Farm以及搜索引擎对Spam Farm的防御。

Topic-sensitive PageRank - a context-sensitive ranking algorithm Taher H. Haveliwala Stanford University

吡咯 PY马拉松实现对于R andomW¯¯烷基，其中R estart（PyRWR）。 重新启动随机游走（RWR）是著名的链接分析算法之一，该算法可测量任意类型的图（网络）中的节点到节点的接近度。 代表性的应用程序包括各种现实世界中的图形挖掘任务，例如个性化节点排名，图形中的推荐（例如，“您可能认识的人”）以及异常检测。 pyrwr目的是在Python中使用numpy和scipy实现基于Power Iteration的RWR分数计算算法。 更具体地说， pyrwr专注于计算给定查询（种子）节点的单个源RWR得分向量，该向量用于对查询节点进行个性化节点排名。 除了RWR， pyrwr支持计算具有多个种子和PageRank的Personalized PageRank（PPR），这是RWR的著名变体。 pyrwr支持的功能有： 查询类型 重新启动随机游走（RWR）：个性化排名； 只允许一

这是谷歌创始人写的关于PageRank算法的原始论文，谷歌当年就是凭借该算法打败了其他所有的竞争对手

内含数据集。执行main.py即可

详细介绍了PageRank算法 PageRank算法优缺点 优点： 是一个与查询无关的静态算法，所有网页的PageRank值通过离线计算获得；有效减少在线查询时的计算量，极大降低了查询响应时间。 缺点： 1）人们的查询具有主题特征，PageRank忽略了主题相关性，导致结果的相关性和主题性降低 2）旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多上游链接，除非它是某个站点的子站点。

实时大数据分析Pagerank 算法 源代码，报告+数据集 根据网页链接数据集“Web-google.txt”，利用“抽税”法计算网页的PageRank排名；