PersonalizedPageRank

runWithOptions API

API

def runWithOptions[VD: ClassTag, ED: ClassTag](graph: Graph[VD, ED], numIter: Int, resetProb: Double = 0.15, srcId: Option[VertexId] = None): Graph[Double, Double]

功能描述
 根据网络结构计算指定节点对其他节点的影响性，本算法接口与Spark GraphX算法保持一致。

API描述

包名：package org.apache.spark.graphx.lib.PageRank
类名：PageRank
方法名：runWithOptions
输入：Graph[VD, ED]

参数详情：

参数名称	参数含义	取值类型
graph	GraphX图数据	Graph[VD, ED]，VD、ED为泛型类型，分别表示输入图的节点属性类型与边属性类型，计算过程不感知
numIter	迭代次数	Int，取值范围：大于0
resetProb	重置系数	Double，经验值0.15，取值范围：[0, 1]
srcId	指定节点ID	Long型，可为空，为空时计算全量固定版本pagerank

输出：Graph：Graph[Double, Double]，节点属性存储该节点的PageRank值，同时，为与开源保持一致，边属性存储源节点出度的倒数。

使用样例

PersonalizedPageRank无向有权图样例：

val conf = new SparkConf().setAppName(“PageRank”).setMaster(host)
val sc = new SparkContext(conf)
val edges = Array(Edge(1,2,1.0), Edge(1,3,1.0), Edge(1,6,1.0), Edge(2,8,1.0), Edge(3,1,1.0), Edge(3,2,1.0),Edge(3,4,1.0), Edge(3,6,1.0), Edge(3,7,1.0), Edge(3,8,1.0), Edge(4,7,1.0), Edge(4,8,1.0), Edge(5,2,1.0), Edge(5,4,1.0), Edge(5,6,1.0), Edge(5,7,1.0), Edge(5,8,1.0), Edge(6,2,1.0), Edge(6,4,1.0), Edge(6,5,1.0), Edge(6,7,1.0), Edge(6,8,1.0), Edge(7,4,1.0), Edge(7,8,1.0), Edge(7,9,1.0), Edge(7,11,1.0), Edge(8,2,1.0), Edge(8,4,1.0), Edge(8,7,1.0), Edge(8,11,1.0), Edge(9,4,1.0), Edge(9,7,1.0), Edge(9,8,1.0), Edge(9,11,1.0), Edge(10,1,1.0), Edge(10,3,1.0), Edge(10,4,1.0), Edge(10,5,1.0), Edge(11,6,1.0), Edge(11,8,1.0), Edge(11,9,1.0))
val g = Graph.fromEdges(sc.parallelize(edges, 3), 1D)
PageRank.runWithOptions(g, 100, 0.15, Option(1L))

样例结果：

6  0.077023744
3  0.044277239
9  0.05101366
4  0.107173489
1  0.156272609
7  0.125956472
10 0
11 0.085580858
8  0.225763317
5  0.013094036
2  0.113844576

runUntilConvergenceWithOptions API

API

def runUntilConvergenceWithOptions[VD: ClassTag, ED: ClassTag](graph: Graph[VD, ED], tol: Double, resetProb: Double = 0.15, srcId: Option[VertexId] = None): Graph[Double, Double]

功能描述
 根据网络结构计算指定节点对其他节点的影响性，本算法接口与Spark GraphX算法保持一致。

API描述

包名：package org.apache.spark.graphx.lib.PageRank
类名：PageRank
方法名：runUntilConvergenceWithOptions
输入：Graph[VD, ED]

参数详情：

参数名称	参数含义	取值类型
graph	GraphX图数据	Graph[VD, ED]，VD、ED为泛型类型，分别表示输入图的节点属性类型与边属性类型，计算过程不感知
tol	收敛时允许的容差	Double如1e-7等，取值范围：大于0
resetProb	重置系数	Double，经验值0.15，取值范围：[0, 1]
srcId	指定节点ID	Long型，可为空，为空时计算全量残差版本pagerank

输出：Graph：Graph[Double, Double]，节点属性存储该节点的PageRank值，同时，为与开源保持一致，边属性存储源节点出度的倒数。

使用样例

PersonalizedPageRank无向有权图样例：

val conf = new SparkConf().setAppName(“PageRank”).setMaster(host)
val sc = new SparkContext(conf)
val edges = Array(Edge(1,2,1.0), Edge(1,3,1.0), Edge(1,6,1.0), Edge(2,8,1.0), Edge(3,1,1.0), Edge(3,2,1.0),Edge(3,4,1.0), Edge(3,6,1.0), Edge(3,7,1.0), Edge(3,8,1.0), Edge(4,7,1.0), Edge(4,8,1.0), Edge(5,2,1.0), Edge(5,4,1.0), Edge(5,6,1.0), Edge(5,7,1.0), Edge(5,8,1.0), Edge(6,2,1.0), Edge(6,4,1.0), Edge(6,5,1.0), Edge(6,7,1.0), Edge(6,8,1.0), Edge(7,4,1.0), Edge(7,8,1.0), Edge(7,9,1.0), Edge(7,11,1.0), Edge(8,2,1.0), Edge(8,4,1.0), Edge(8,7,1.0), Edge(8,11,1.0), Edge(9,4,1.0), Edge(9,7,1.0), Edge(9,8,1.0), Edge(9,11,1.0), Edge(10,1,1.0), Edge(10,3,1.0), Edge(10,4,1.0), Edge(10,5,1.0), Edge(11,6,1.0), Edge(11,8,1.0), Edge(11,9,1.0))
val g = Graph.fromEdges(sc.parallelize(edges, 3), 1D)
PageRank.runUntilConvergenceWithOptions(g, 1e-7, 0.15, Option(1L))

样例结果：

6  0.07702377910782882
3  0.044277299269150125
9  0.05101362020140663
4  0.1071734255124889
1  0.1562728209499416
7  0.12595639498739172
10 0.0
11 0.08558080335029711
8  0.22576321877417618
5  0.0130940324264644
2  0.11384460542085444

runParallelPersonalizedPageRank API

API

def runParallelPersonalizedPageRank[VD: ClassTag, ED: ClassTag](graph: Graph[VD, ED], numIter: Int, resetProb: Double = 0.15, sources: Array[VertexId]): Graph[Vector, Double]

功能描述
 根据网络结构计算指定节点对其他节点的影响性，本算法接口与Spark GraphX算法保持一致。

API描述

包名：package org.apache.spark.graphx.lib.PageRank
类名：PageRank
方法名：runParallelPersonalizedPageRank
输入：Graph[VD, ED]

参数详情：

参数名称	参数含义	取值类型
graph	GraphX图数据	Graph[VD, ED]，VD、ED为泛型类型，分别表示输入图的节点属性类型与边属性类型，计算过程不感知
numIter	迭代次数	Int，取值范围：大于0
resetProb	重置系数	Double，经验值0.15，取值范围：[0, 1]
sources	指定节点ID集合	Array[Long]型，不可为空

输出：Graph：Graph[Vector, Double]，节点属性存储该节点对于各源节点的PageRank值，顺序与sources保持一致，使用Vector进行描述，同时，为与开源保持一致，边属性存储源节点出度的倒数。

使用样例

PersonalizedPageRank无向有权图样例：

val conf = new SparkConf().setAppName(“PageRank”).setMaster(host)
val sc = new SparkContext(conf)
val edges = Array(Edge(1,2,1.0), Edge(1,3,1.0), Edge(1,6,1.0), Edge(2,8,1.0), Edge(3,1,1.0), Edge(3,2,1.0),Edge(3,4,1.0), Edge(3,6,1.0), Edge(3,7,1.0), Edge(3,8,1.0), Edge(4,7,1.0), Edge(4,8,1.0), Edge(5,2,1.0), Edge(5,4,1.0), Edge(5,6,1.0), Edge(5,7,1.0), Edge(5,8,1.0), Edge(6,2,1.0), Edge(6,4,1.0), Edge(6,5,1.0), Edge(6,7,1.0), Edge(6,8,1.0), Edge(7,4,1.0), Edge(7,8,1.0), Edge(7,9,1.0), Edge(7,11,1.0), Edge(8,2,1.0), Edge(8,4,1.0), Edge(8,7,1.0), Edge(8,11,1.0), Edge(9,4,1.0), Edge(9,7,1.0), Edge(9,8,1.0), Edge(9,11,1.0), Edge(10,1,1.0), Edge(10,3,1.0), Edge(10,4,1.0), Edge(10,5,1.0), Edge(11,6,1.0), Edge(11,8,1.0), Edge(11,9,1.0))
val g = Graph.fromEdges(sc.parallelize(edges, 3), 1D)
PageRank.runParallelPersonalizedPageRank(g, 100, 0.15, Array(1L, 10L))

样例结果：

6  0.07702374399273663,0.04699968348218789
3  0.04427723918390972,0.0426168427145131
9  0.05101366004234638,0.05167737982879439
4  0.10717348941060002,0.1354208337916541
1  0.15627260888438724,0.0379123860512227
7  0.12595647209080826,0.13286572218812956
10 0.0,0.15000000000000005
11 0.08558085784605748,0.08274146069582425
8  0.22576331655417475,0.20482847772813126
5  0.013094036478765229,0.03986494619197195
2  0.1138445755162144,0.07507226732757086

父主题： 算法API