我有一个不断变化的图表。随着时间的推移，添加了一些顶点并出现了一些新边（节点没有被删除）。如果我有以前的 pagerank 计算结果，我该如何重复使用它以提高速度？
python igraph 模块看起来很漂亮，但我找不到任何相关的东西。 指定的改进应该是有用的，因为 pr 是一种随机算法。我有一个用 python 编写的原型，但我真的很想为此使用 C 库包装器。还有其他人经历过吗？
【问题讨论】：
标签： python graph-theory igraph pagerank
首先，PageRank 不是一种随机算法。 PageRank 方程归结为计算稀疏矩阵的主要特征向量（嗯，不完全是稀疏矩阵，而是稀疏矩阵加上一些其他矩阵的总和，我们可以像稀疏矩阵一样快速计算向量积），所以这是完全确定的。
其次，不幸的是，没有办法告诉 PageRank 算法的内部实现结果应该“接近”之前的 PageRank 向量，尽管理论上它可能有用，因为特征向量计算可能 如果从已经接近真实特征向量的向量开始，则收敛速度更快。
但是，igraph 从 0.7 版本开始使用PRPACK 计算 PageRank 向量，并且 PRPACK 已经高度优化，因此即使您没有提前指定“特征向量提示”，它在您的图上也可能很快.我会先试一试，看看效果如何。
【讨论】：