数据分析之图算法: 基于Spark和Neo4j

90

｜

第

5

章

与

Spark

示例一样，这里在运行

PageRank

算法时，图中的关系没有加

权，因此每个关系都是平等的。在传递给

PageRank

程序的配置中包含

weightProperty

属性，通过该属性可以设置关系权重。例如关系的属性

weight

代表权重，可以把下述配置传递给程序：

weightProperty: "weight"

。

5.5.7

　

PageRank

算法变体

：

个性化

PageRank

算法

个性化

PageRank

（

personalized PageRank

，

PPR

）是

PageRank

算法的一种变体，它从特定

节点出发，计算图中节点的重要程度。对于

PPR

，随机跳转指的是返回到给定的起始节点

集。这种偏向性结果（或者说个性化）针对的是起始节点。这种偏向和本地化使得

PPR

对

于靶向性强的推荐非常有用。

使用

Spark

实现个性化

PageRank

算法

可以通过传递

sourceId

参数来计算给定节点的

PPR

得分。下面的代码计算

Doug

的

PPR

得分：

me = "Doug"

results = g.pageRank(resetProbability=0.15, maxIter=20, sourceId=me)

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

already_follows = list(g.edges.filter(f"src = '{me}'").toPandas()["dst"])

people_to_exclude ...