public void CalcuatePageRank(List <string> query)
{
//det gøres på helt samme måde som vi gjorde det på papir.
//blot hvor i stedet for at betragte hver document og dermed
//hver row og col i P matricen, så betragter vi her blot
//kun de documenter som matchede querien og dermed kun
//de row og col i P matricen som svarer til id'erne for de dokumenter.
this.termsInQuery = query;
List <int> idOfDocsMatchingQuery = new List <int>();
//we are only interested in the documents matching a query
//ved faktisk ikke om man burde gøre det for alle documents.
//men lige pt udregner vi også kun tfidf-values for de docs som matcher
//queryen. De andre har vil bare en tfidf-value på 0.
foreach (string term in termsInQuery)
{
//retrieve postings for term.
List <Tuple <int, int> > postings = new List <Tuple <int, int> >();
try
{
postings = indexer.indexCreator.index[term];
}
catch (Exception)
{
//så hvis der ikke er nogle dokumenter som indeholder termen.
//så får vi en fejl og vi prøver blot med næste term
continue;
}
foreach (Tuple <int, int> docTfPair in postings)
{
//hvis det er første gang vi støder på documentet.
if (!idOfDocsMatchingQuery.Contains(docTfPair.Item1))
{
idOfDocsMatchingQuery.Add(docTfPair.Item1);
}
}
}
int numberOfPages = pageDB.GetNumOfCrawledPages();
//NOTE: Hvis du ikke forstår hvorfor alt er foreach
//så er det blot fordi vi kun kigger på de docs som matchede querien
//så istedet for at udregne pagerank for alle pages.
//så laver vi stadig en P matrix og en q som om vi gjorde det.
//men vi tilgår bare kun de indgange for de id's af de documenter som
//matchede querien. Så meget af P matricen er ikke blevet initialiseret.
//og det samme med q. Man kunne også bare have udregnet det for alle
//og så nede i udregning af total score så bare kun gøre det for dem
//som havde matchede querien, men så har vi jo udregnet pagerank for
//nogle unødvendige, så vi gør dette i stedet.
//make list of all links
Dictionary <int, List <string> > idToLinks = new Dictionary <int, List <string> >();
foreach (int i in idOfDocsMatchingQuery)
{
string iUrl = pageDB.IdToUrl[i];
string iWebpage = pageDB.UrlToWebpage[iUrl];
List <string> iLinks = urlFilter.FindLinks(iWebpage, iUrl);
idToLinks.Add(i, iLinks);
}
//calculate normal P-matrix
//since we only consider all the ids of the pages that
//matches many indexes in this matrix are never used.
double[,] P = new double[numberOfPages, numberOfPages];
foreach (int row in idOfDocsMatchingQuery)
{
List <string> iLinks = idToLinks[row];
foreach (int col in idOfDocsMatchingQuery)
{
string jUrl = pageDB.IdToUrl[col];
if (iLinks.Contains(jUrl))
{
P[row, col] = 1;
}
else
{
P[row, col] = 0;
}
}
}
//normalize each entry
Dictionary <int, double> sumOfEachRow = new Dictionary <int, double>();
foreach (int row in idOfDocsMatchingQuery)
{
double sum = 0;
foreach (int col in idOfDocsMatchingQuery)
{
sum += P[row, col];
}
//for hver row gemmer vi dens sum
sumOfEachRow.Add(row, sum);
}
foreach (int row in idOfDocsMatchingQuery)
{
foreach (int col in idOfDocsMatchingQuery)
{
if (P[row, col] == 1)
{
P[row, col] = P[row, col] / sumOfEachRow[row];
}
}
}
//tilføj alt det med alpha osv
double alpha = 0.1;
double teleportProb = 1.0 / (double)numberOfPages;
//udregner PPagerank
foreach (int row in idOfDocsMatchingQuery)
{
foreach (int col in idOfDocsMatchingQuery)
{
double temp = (1 - alpha) * P[row, col];
double temp1 = (alpha * teleportProb);
P[row, col] = ((1 - alpha) * P[row, col]) + (alpha * teleportProb);
}
}
//assume we start on page 0
double[] q = new double[numberOfPages];
foreach (int i in idOfDocsMatchingQuery)
{
q[i] = 0;
}
q[idOfDocsMatchingQuery[0]] = 1;
//calculating new q
//ineffective iteration over arrays
//loop hvor man udregner qi indtil den ikke afviger særlig meget
int iterations = 20; //ifølge slides kunne man også nøjes med mindre (slide 47)
for (int i = 0; i < iterations; i++)
{
foreach (int col in idOfDocsMatchingQuery)
{
double sum = 0;
foreach (int row in idOfDocsMatchingQuery)
{
sum += P[row, col] * q[row];
}
q[col] = sum;
}
}
//add pagerank værdier til dictionary.
foreach (int i in idOfDocsMatchingQuery)
{
pagerank.Add(i, q[i]);
}
}