PageRank怎么计算

我读了这篇文章《基于LDA模型的新冠疫情微博用户主题聚类图谱及主题传播路径研究》，很有启发。我有个问题：PageRank怎么计算？

而且是要用Python进行编程计算。另外，GooSeeker发布的一系列Jupyter Notebook分析模板对我启发很大，那么在notebook中怎么计算PageRank？

PageRank根据网站的外部链接和内部链接的数量和质量，衡量网站的价值。PageRank隐含的思想就是：每个到页面的链接都是对该页面的一次投票， 被链接的越多，就意味着被其他网站投票越多。一个网页所获得“投票”越多，说明这个网页越重要，它的被访问的概率越大，自然分级排名就越高，那么搜索结果它就越靠前。这就好比是一篇学术论文，论文被引用的次数越多，论文的影响因子越高，自然论文就越权威！

python代码的实现例子(转自知乎：机器学习（二）：PageRank算法+Python实现)

1. import numpy as np
   
2. #获取一个关系矩阵，这里测试来用，直接赋值返回
   
3. def init_realtion_array():
   
4.     a = np.array([[0,0.5,1,0],
   
5.                   [0.33333333,0,0,0.5],
   
6.                   [0.33333333,0,0,0.5],
   
7.                   [0.33333333,0.5,0,0]],
   
8.                  dtype=float)
   
9.     return a
   
10. #初始化最初的pr值
    
11. def init_first_pr(length):
    
12.     pr = np.zeros((length,1),dtype=float)#构造一个存放pr值的矩阵
    
13.     for i in range(length):
    
14.         pr[i] = float(1) / length
    
15.         return pr
    
16. #计算PageRank值
    
17. def compute_pagerankX(p,m,v):
    
18.     i = 1
    
19.     while(True):
    
20.         v = p * np.dot(m,v) + (1 - p) * v
    
21.         i = i + 1
    
22.         if i >= 10:
    
23.             break
    
24.             return v
    
25. if __name__ == '__main__':
    
26.     relation_array = init_realtion_array()
    
27.     pr = init_first_pr(relation_array.shape[0])
    
28.     p = 0.8
    
29.     print(compute_pagerankX(p,relation_array,pr))
    
30.     print(p,relation_array,pr)

复制代码

参看《在Jupyter Notebook中用Python做PageRank算法计算》，介绍了两种PageRank计算方法。该notebook中还引用了一篇知乎专栏文章，那篇文章详细讲解了算法的原理。