Python cugraph.link_analysis.hits.hits用法及代碼示例

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

計算每個頂點的 HITS 集線器和權限值

HITS 算法計算一個節點的兩個數字。當局根據傳入鏈接估計節點值。 Hubs 根據傳出鏈接估計節點值。

HITS 的 cuGraph 實現是圍繞 HITS 的 gunrock 實現的包裝。

請注意，gunrock 實現使用 2-norm，而 networkx 使用 1-norm。原始分數會有所不同，但排名順序應該與 networkx 相當。

參數：

graph：cugraph.Graph: cuGraph 圖說明符，應包含作為邊列表的連接信息(此算法不使用邊權重)。如果不存在鄰接列表，則將計算該鄰接列表。
max_iter：int，可選(默認=100): 返回答案之前的最大迭代次數。 gunrock 實現目前不支持容差，因此這實際上是 HITS 算法執行的迭代次數。
tol：浮點數，可選(默認=1.0e-5): 設置容差的近似值，這個參數應該是一個小的幅度值。目前不支持該參數。
nstart：cudf.Dataframe，可選(默認=無): 目前不支持
normalized：布爾，可選(默認=真): 當前不支持，始終用作 True

HubsAndAuthorities：cudf.DataFrame

GPU 數據幀包含三個大小為 V 的 cudf.Series：頂點標識符和相應的集線器值和相應的權限值。

df[‘vertex’]：cudf.Series: 包含頂點標識符
df[‘hubs’]：cudf.Series: 包含集線器分數
df[‘authorities’]：cudf.Series: 包含當局分數

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)

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cugraph.link_analysis.hits.hits。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：