PageRank में बदलाव
PageRank का सूत्र \(\vec{PR}=\alpha \cdot A \cdot \vec{PR} + (1-\alpha)\cdot \vec{e}\) को \(\vec{PR}\) के लिए क्रमिक रूप से (iteratively) हल किया जा सकता है। हर iteration में, वर्तमान \(\vec{PR}\) मान का उपयोग एक नया मान निकालने के लिए होता है जो वास्तविक मान के और करीब होता है। इसका अर्थ है कि हर दो क्रमागत iterations के \(\vec{PR}\) के बीच का अंतर लगातार घटता जाता है, जब तक \(\vec{PR}\) वास्तविक मान पर converge नहीं कर लेता और अंतर (लगभग) शून्य नहीं हो जाता। इस अभ्यास में, आप PageRank एल्गोरिदम और उसके converge होने की प्रक्रिया को देखेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में नेटवर्क्ड डेटा का उपयोग करके Predictive Analytics
अभ्यास निर्देश
networkके साथpage.rank()का उपयोग करकेniter=1देते हुए PageRank एल्गोरिदम की एक iteration चलाइए। वेक्टर attribute निकालकर परिणामiter1को सौंपें।- पिछले चरण को
niter=2के साथ दोहराइए। परिणामiter2को सौंपें। - वेक्टर
iter1औरiter2के बीच के परिमित (absolute) अंतर का योग निकालिए। - हमने
iter1औरiter2की तरह हीiter9औरiter10भी निकाले हैं। क्या इन दोनों iterations के बीच का अंतर, iterations 1 और 2 के बीच के अंतर से कम है?
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Compute one iteration of PageRank
iter1 <- page.rank(___, algo = 'power', options = list(niter = ___))$vector
# Compute two iterations of PageRank
iter2 <- ___(___, algo = 'power', options = list(niter = ___))$vector
# Inspect the change between one and two iterations
sum(abs(___ - ___))
# Inspect the change between nine and ten iterations
sum(___(___ - ___))