数据分析之图算法: 基于Spark和Neo4j

88

｜

第

5

章

正如预期，

Doug

的

PageRank

得分最高，这是因为其子图中所有用户都关注他。虽然

Mark

只有一个关注者，但因为关注者是

Doug

，所以

Mark

在该图中也很重要。重要的不

仅是关注者的数量，还有关注者自身的重要程度。

运行

PageRank

算法的图并没有对关系加权，因此每个关系都是平等的。通

过在关系

DataFrame

中指定

weight

列，可以为关系添加权重。

2.

运行

PageRank

算法

，

直至收敛

下面试试收敛方式的算法实现，它将运行

PageRank

算法，直到结束于容差范围内的某个解：

results = g.pageRank(resetProbability=0.15, tol=0.01)

results.vertices.sort("pagerank", ascending=False).show()

在

PySpark

中运行这段代码，输出结果如下所示：

id pageRank

Doug 2.2233188859989745

Mark 2.090451188336932

Alice 1.5056291439101062

Michael 0.733738785109624

Bridget 0.733738785109624

Amy 0.559446807245026

Charles 0.5338811076334145

David 0.40232326274180685

James 0.21747203391449021

每个人的

PageRank

得分与固定迭代次数的算法实现略有不同，但是正如预期，排序仍然 ...