rmdyh / pagerank

A Implement of Page Rank

PageRank

该项目的目标是还原出能够解决spider trap和dead end的完整的page rank算法，并且实现Block-Stripe Update算法。

数据读入

读入的文件应当描述网页之间的互相链接关系，下称描述文件。描述文件应当满足以下条件：

1. 按照utf-8编码；
2. 分为n行，n为总记录个数。每行表示一条相互链接关系记录，格式为：[SOURCE WEB ID]<TAB>[TARGET WEB INDEX]；
3. [SOURCE WEB ID]相同的记录在描述文件中应当连续排列，中间没有被其他记录分割；
4. 同样的记录不能重复出现。

例如，对第2点而言：

30	1412

表示编号为30的网页中含有一个指向编号为1412的网页的链接。

对第3点而言：

...
30	1412
30	1411
40	1411
...

是一个合法的描述文件片段，而

...
30	1412
40	1411
30	1411
...

不是一个合法的描述文件片段，因为[SOURCE WEB ID]为30的记录没有连续罗列，而是被[SOURCE WEB ID]为40的记录分割了。

对第4点而言：

...
30	1412
30	1411
30	1412
...

不是一个合法的描述文件片段，因为出现了重复的30 1412记录。

程序不会对描述文件是否合法进行验证，因此，若使用了不符合上述规则的描述文件，则可能得到错误的结果，或是令程序崩溃。

样例输入文件为Wikipedia dataset(WikiData.txt)。

数据输出

可执行文件应输出每个网页的分值，共为m行，m为被报告的网页个数，在本项目中m=100，表示分值最高的前100个网页将会被按照分值从高到低的顺序被依次写入文件中。每行表示一个网页的分值，格式为：

[NodeID]<TAB> [Score]

例如：

30 0.3

表示编号为30的网页的pagerank分值为0.3.

输出文件名为result.txt

使用make

在目录下使用make命令可以编译出可执行文件，make run命令可以编译并运行可执行文件。

make run命令可以添加参数，以指示使用哪个数据集，数据集需要放在dataset文件夹中。例如，使用mydata.txt作为输入，可以在工程根目录下使用：

make run DataFile=mydata.txt