simrank的python实现程序

SimRank是一种衡量两个节点相似度的算法，其基本思想是两个节点的相似度是由它们的邻居节点的相似度决定的。下面是SimRank的Python实现程序：

import numpy as np

def simrank(G, r=0.8, max_iter=100, eps=1e-4):
    """
    计算图G中每对节点的相似度
    :param G: 图G，用邻接矩阵表示
    :param r: 阻尼系数
    :param max_iter: 最大迭代次数
    :param eps: 收敛误差
    :return: 相似度矩阵
    """
    n = G.shape[0]  # 节点个数
    sim = np.identity(n)  # 初始化相似度矩阵为单位矩阵
    last_sim = np.zeros((n, n))  # 上一次迭代的相似度矩阵

    for i in range(max_iter):
        if np.allclose(sim, last_sim, atol=eps):
            break
        last_sim = np.copy(sim)
        for u in range(n):
            for v in range(n):
                if u == v:
                    continue
                u_ns, v_ns = list(G[u]), list(G[v])  # u和v的邻居节点
                if not u_ns or not v_ns:  # 如果u或v没有邻居节点，则相似度为0
                    sim[u][v] = sim[v][u] = 0
                else:
                    s_uv = sum([last_sim[u_n][v_n] for u_n in u_ns for v_n in v_ns])  # 分子
                    sim[u][v] = sim[v][u] = (r * s_uv / (len(u_ns) * len(v_ns)))  # 计算相似度

    return sim

其中，G为邻接矩阵，r为阻尼系数，max_iter为最大迭代次数，eps为收敛误差。返回相似度矩阵sim。