run API

API

def run[VD: ClassTag](graph: Graph[VD, Double], seeds: RDD[VertexId], numIter: Int, resetProb: Double = 0.15): Graph[Double, Double]

功能描述
 本算法模型基于Spark框架，根据指定的迭代次数，计算图中各节点TrustRank值，TrustRank值取值范围[0, 1]。本算法支持有向（无自环）有权图。

API描述

包名：package org.apache.spark.graphx.lib.TrustRank
类名：TrustRank
方法名：run
输入：
1. Graph[VD, ED]
2. seeds：RDD[VertexId]

参数详情：

参数名称	参数含义	取值类型
graph	GraphX图数据	Graph[VD, Double]，VD为泛型类型，表示输入图的节点属性类型，计算过程不感知；边属性为Double类型，取值范围为(0, 1]
seeds	种子节点序列	为graph图中节点ID，Long型，要求seeds与graph图节点的交集大于0
numIter	迭代次数	Int，取值范围：大于0
resetProb	重置系数	Double，经验值0.15，取值范围：[0, 1]

输出：Graph：Graph[Double, Double]，节点属性存储该节点的TrustRank值，边属性存储源节点出度（权重）的倒数。

使用样例

Trust无向有权图样例：

val conf = new SparkConf().setAppName(“TrustRank”).setMaster(host)
val sc = new SparkContext(conf)
val edges = Array(Edge(1, 2, 1.0), Edge(1, 3, 1.0), Edge(1, 6, 1.0), Edge(2, 8, 1.0), Edge(3, 1, 1.0), Edge(3, 2, 1.0), Edge(3, 4, 1.0), Edge(3, 6, 1.0), Edge(3, 7, 1.0), Edge(3, 8, 1.0), Edge(4, 7, 1.0), Edge(4, 8, 1.0), Edge(5, 2, 1.0), Edge(5, 4, 1.0), Edge(5, 6, 1.0), Edge(5, 7, 1.0), Edge(5, 8, 1.0), Edge(6, 2, 1.0), Edge(6, 4, 1.0), Edge(6, 5, 1.0), Edge(6, 7, 1.0), Edge(6, 8, 1.0), Edge(7, 4, 1.0), Edge(7, 8, 1.0), Edge(7, 9, 1.0), Edge(7, 11, 1.0), Edge(8, 2, 1.0), Edge(8, 4, 1.0), Edge(8, 7, 1.0), Edge(8, 11, 1.0), Edge(9, 4, 1.0), Edge(9, 7, 1.0), Edge(9, 8, 1.0), Edge(9, 11, 1.0), Edge(10, 1, 1.0), Edge(10, 3, 1.0), Edge(10, 4, 1.0), Edge(10, 5, 1.0), Edge(11, 6, 1.0), Edge(11, 8, 1.0), Edge(11, 9, 1.0)) val seeds = sc.makeRDD[VertexId](Seq(1L), 1)
val g = Graph.fromEdges(sc.parallelize(edges, 3), 1D)
TrustRank.run (g, seeds, 100, 0.15)

样例结果：

Map(1 -> 0.15627260888438724,2 -> 0.11384457551621437,3 -> 0.04427723918390972, 6 -> 0.07702374399273665,8 -> 0.22576331655417478,4 -> 0.1071734894106,7 -> 0.12595647209080826, 5 -> 0.013094036478765229,9 -> 0.05101366004234638,11 -> 0.08558085784605747)

runUntilConvergence API

API

def runUntilConvergence[VD: ClassTag](graph: Graph[VD, Double], seeds: RDD[VertexId], tol: Double, resetProb: Double = DEFAULT_RESET_PROB): Graph[Double, Double]

功能描述
 本算法模型基于Spark框架，根据指定的收敛精度，计算图中各节点TrustRank值，TrustRank值取值范围[0,1]。本算法支持有向（无自环）有权图。

API描述

包名：package org.apache.spark.graphx.lib.TrustRank
类名：TrustRank
方法名：runUntilConvergence
输入：
1. Graph[VD, ED]
2. seeds: RDD[VertexId]

参数详情：

参数名称	参数含义	取值类型
graph	GraphX图数据	Graph[VD, Double]，VD为泛型类型，表示输入图的节点属性类型，计算过程不感知；边属性为Double类型，取值范围为(0, 1]
seeds	种子节点序列	为graph图中节点ID，Long型，要求seeds与graph图节点的交集大于0
tol	收敛时允许的容差	Double如1e-8等，取值范围：大于0
resetProb	重置系数	Double，经验值0.15，取值范围：[0, 1]

输出：Graph：Graph[Double, Double]，节点属性存储该节点的TrustRank值，边属性存储源节点出度（权重）的倒数。

使用样例

TrustRank无向有权图样例：

val conf = new SparkConf().setAppName(“TrustRank”).setMaster(host)
val sc = new SparkContext(conf)
val edges = Array(Edge(1, 2, 1.0), Edge(1, 3, 1.0), Edge(1, 6, 1.0), Edge(2, 8, 1.0), Edge(3, 1, 1.0), Edge(3, 2, 1.0), Edge(3, 4, 1.0), Edge(3, 6, 1.0), Edge(3, 7, 1.0), Edge(3, 8, 1.0), Edge(4, 7, 1.0), Edge(4, 8, 1.0), Edge(5, 2, 1.0), Edge(5, 4, 1.0), Edge(5, 6, 1.0), Edge(5, 7, 1.0), Edge(5, 8, 1.0), Edge(6, 2, 1.0), Edge(6, 4, 1.0), Edge(6, 5, 1.0), Edge(6, 7, 1.0), Edge(6, 8, 1.0), Edge(7, 4, 1.0), Edge(7, 8, 1.0), Edge(7, 9, 1.0), Edge(7, 11, 1.0), Edge(8, 2, 1.0), Edge(8, 4, 1.0), Edge(8, 7, 1.0), Edge(8, 11, 1.0), Edge(9, 4, 1.0), Edge(9, 7, 1.0), Edge(9, 8, 1.0), Edge(9, 11, 1.0), Edge(10, 1, 1.0), Edge(10, 3, 1.0), Edge(10, 4, 1.0), Edge(10, 5, 1.0), Edge(11, 6, 1.0), Edge(11, 8, 1.0), Edge(11, 9, 1.0)) val seeds = sc.makeRDD[VertexId](Seq(1L), 1)
TrustRank.runUntilConvergence (g, seeds, 1e-8, 0.15)

样例结果：

Map(1 -> 0.15627260888438724,2 -> 0.11384457545266508,3 -> 0.04427723918390972, 6 -> 0.07702374402447199, 8 -> 0.22576331671284044,4 -> 0.10717348934337448,7 -> 0.1259564720613217, 5 -> 0.013094036469637119,9 -> 0.05101366008205779,11 -> 0.08558085778533453)