Python cugraph.link_analysis.hits.hits用法及代码示例

用法: cugraph.link_analysis.hits.hits(G, max_iter=100, tol=1e-05, nstart=None, normalized=True)

计算每个顶点的 HITS 集线器和权限值

HITS 算法计算一个节点的两个数字。当局根据传入链接估计节点值。 Hubs 根据传出链接估计节点值。

HITS 的 cuGraph 实现是围绕 HITS 的 gunrock 实现的包装。

请注意，gunrock 实现使用 2-norm，而 networkx 使用 1-norm。原始分数会有所不同，但排名顺序应该与 networkx 相当。

参数：

graph：cugraph.Graph: cuGraph 图说明符，应包含作为边列表的连接信息(此算法不使用边权重)。如果不存在邻接列表，则将计算该邻接列表。
max_iter：int，可选(默认=100): 返回答案之前的最大迭代次数。 gunrock 实现目前不支持容差，因此这实际上是 HITS 算法执行的迭代次数。
tol：浮点数，可选(默认=1.0e-5): 设置容差的近似值，这个参数应该是一个小的幅度值。目前不支持该参数。
nstart：cudf.Dataframe，可选(默认=无): 目前不支持
normalized：布尔，可选(默认=真): 当前不支持，始终用作 True

HubsAndAuthorities：cudf.DataFrame

GPU 数据帧包含三个大小为 V 的 cudf.Series：顶点标识符和相应的集线器值和相应的权限值。

df[‘vertex’]：cudf.Series: 包含顶点标识符
df[‘hubs’]：cudf.Series: 包含集线器分数
df[‘authorities’]：cudf.Series: 包含当局分数

例子：

>>> gdf = cudf.read_csv(datasets_path / 'karate.csv', delimiter=' ',
...                     dtype=['int32', 'int32', 'float32'], header=None)
>>> G = cugraph.Graph()
>>> G.from_cudf_edgelist(gdf, source='0', destination='1')
>>> hits = cugraph.hits(G, max_iter = 50)

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cugraph.link_analysis.hits.hits。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：