炼数成金-Hadoop数据分析平台-第1周-作业

现假设有A,B,C,D,E五个网页，其中

1)A网页有链接指向B,C,D,E

2)B网页有链接指向A,D

3)C网页有链接指向A,D

4)D网页有链接指向C

5)E网页有链接指向A,C

A 请写出这个网页链接结构的Google矩阵，目测你认为哪个页面的重要性(PR值)最高？

5个网页之间的链接关系为： 

在得到初始矩阵后开始计算PR值。假设用户点击网页链接的概率为α，而用户跳到无关页面上的概率为1-α，而访问的页面恰好是这5个页面中A的概率只有(1-α)/5（α是阻尼系数，Google取α等于0.85）。

因此，取α=0.85，Google矩阵为：

特征向量的初始值 

将G代入公式p（n)=G*p(n-1)进行迭代计算,直到p（n)≈p(n-1)，p(n)即为PR的值。

B（本题可选）手动或编程计算这5个页面的PR值，可以使用任何你熟悉的编程语言，欢迎在论坛上晒自己的程序和结果

答案：通过程序实现可知，页面C的PR值最高。

Java程序实现如下（需要导入Jama-1.0.2.jar包）：

package hadoop;import Jama.Matrix;public class PageRank {        static double alpha =0.85;        public static void main(String[] args) {                double[][] arrayS ={                                {0d,1.0d/2,1.0d/2,0,1.0d/2},                                {1.0d/4,0,0,0,0},                                {1.0d/4,0,0,1,1.0d/2},                                {1.0d/4,1.0d/2,1.0d/2,0,0},                                {1.0d/4,0,0,0,0}                };                int length=6;//保存小数点后几位                double[][] arrayPR={{1},{1},{1},{1},{1}};                int n = arrayS.length;                Matrix s = new Matrix(arrayS);//初始矩阵                System.out.print("初始矩阵S：");s.print(5, length);                Matrix pageRank = new Matrix(arrayPR);//page rank初始值                System.out.print("特征向量：");pageRank.print(5, 0);                Matrix u=new Matrix(n,n,1.0d);//单元矩阵                Matrix g=s.times(alpha).plus(u.times((1-alpha)/n));                System.out.print("Google矩阵G：");g.print(5, length);                /*                 * 开始迭代计算适合的pageRank值。（也就是求矩阵g，特征值为1 的特征向量pageRank。ps：近似值）                 * p（n)=g*p(n-1)                 */                Matrix pageRankPre = pageRank;//P(0)                int iterator =0;                while(iterator<20){                pageRankPre = pageRank;                    pageRank = g.times(pageRank);                    iterator ++;                    System.out.println("迭代次数："+iterator);                  pageRank.print(2, length);                    }                } }

输出结果如下：

初始矩阵S： 0.000000 0.500000 0.500000 0.000000 0.500000 0.250000 0.000000 0.000000 0.000000 0.000000 0.250000 0.000000 0.000000 1.000000 0.500000 0.250000 0.500000 0.500000 0.000000 0.000000 0.250000 0.000000 0.000000 0.000000 0.000000特征向量：      1      1      1      1      1Google矩阵G： 0.030000 0.455000 0.455000 0.030000 0.455000 0.242500 0.030000 0.030000 0.030000 0.030000 0.242500 0.030000 0.030000 0.880000 0.455000 0.242500 0.455000 0.455000 0.030000 0.030000 0.242500 0.030000 0.030000 0.030000 0.030000迭代次数：1 1.425000 0.362500 1.637500 1.212500 0.362500迭代次数：2 1.154063 0.452813 1.637500 1.302813 0.452813迭代次数：3 1.230828 0.395238 1.695074 1.283621 0.395238迭代次数：4 1.206359 0.411551 1.670605 1.299934 0.411551迭代次数：5 1.209826 0.406351 1.686204 1.291268 0.406351迭代次数：6 1.212035 0.407088 1.677365 1.296424 0.407088迭代次数：7 1.208905 0.407558 1.682530 1.293450 0.407558迭代次数：8 1.211499 0.406892 1.679537 1.295180 0.406892迭代次数：9 1.209661 0.407444 1.681275 1.294176 0.407444迭代次数：10 1.210869 0.407053 1.680266 1.294759 0.407053迭代次数：11 1.210108 0.407310 1.680852 1.294420 0.407310迭代次数：12 1.210575 0.407148 1.680512 1.294617 0.407148迭代次数：13 1.210293 0.407247 1.680709 1.294503 0.407247迭代次数：14 1.210462 0.407187 1.680595 1.294569 0.407187迭代次数：15 1.210362 0.407223 1.680661 1.294530 0.407223迭代次数：16 1.210421 0.407202 1.680623 1.294553 0.407202迭代次数：17 1.210386 0.407214 1.680645 1.294540 0.407214迭代次数：18 1.210406 0.407207 1.680632 1.294547 0.407207迭代次数：19 1.210395 0.407211 1.680640 1.294543 0.407211迭代次数：20 1.210401 0.407209 1.680635 1.294546 0.407209

1、对于硬件的要求；　　2、计算所需的时长；　　3、可能需要投入的成本（硬件成本、人力成本、时间成本、边际成本、各种不确定的成本要求）