0.0375,0.0375,0.0375;0.32083,0.4625,0.0375,0.4625;0.32083,0.4625,0.0375,0.0375];Рx(:,1)=[0,0,0,1]';Рy(:,1)=[0,0,0,1]';Рfor k=2:20Р y(:,k)=M*x(:,k-1);Р x(:,k)=y(:,k)/norm(y(:,k),1);РendР经计算得到幂法的迭代20次的序列如下:Р 表7.1РkРkР0Р7Р1Р10Р2Р13Р3Р15Р4Р16Р5Р17Р(后两次的迭代结果完全相同,故未列出),从上表中可以看到,经过不足20步迭代,就可以得到与前面方法同样的排名结论.Р注意在网页数量很大时,迭代运算需要更多有效数字,迭代次数一般也会更多,才能使得归一化特征向量的各分量有序从而确定网页排名.Р六、实验任务Р在改进的PageRank算法讨论图7.2所示的小型网络时,我们取p=0.85,请依次改取p=0.75,p=0.8或p=0.9,然后观察网页排名结果的变化情况.Р建立m文件:Рfunction m7_1(p)РA=[0 0 0 1/2;1/3 0 0 0;1/3 1/2 0 1/2;1/3 1/2 0 0];Рs=ones(4,4)/4;РM=p*A+(1-p)*s;Р[V,D]=eig(M);Рdiag(D)Р(abs(V(:,1))/norm(V(:,1),1))'Р取p=0.85时运行结果为:Рm7_1(0.85)Рans =Р 0.6618 Р -0.2427 + 0.2257iР -0.2427 - 0.2257iР -0.0264 Рans =Р0.2123 0.1475 0.3979 0.2423Р所以网页排名为: Р取p=0.75时运行结果为:Рm7_1(0.75)Рans =Р 0.7184 Р -0.2166 + 0.1999i
全文预览
