Pagerank个性化向量、边缘权重和悬垂字典（传送向量）

Question

这是networkx的pagerank函数

def pagerank(G, alpha=0.85, personalization=None,
             max_iter=100, tol=1.0e-6, nstart=None, weight='weight',
             dangling=None):

我对个性化和体重感到困惑。在

我了解当个性化矩阵没有提供统一矩阵时，使用统一矩阵，当没有提供权重时，使用边缘权重1。在

我一直在阅读：边缘权重个性化和节点权重个性化。在

http://www.cs.cornell.edu/~bindel/present/2015-08-kdd-talk_kdd-aug15.pdf

所以我的假设是个性化向量-->可以用于节点权重个性化。例如。我们正在计算特定主题t的节点pagerank。我们给出了与主题相关的节点获得更多价值的个性化向量。在

但是边重呢。当我给V的一个输出边赋予比另一个更高的权重时会发生什么？在

我不能把这两件事分开（边缘权重和个性化向量）。在

还有： 字典悬挂：它代表了传送向量。如果未提供个性化设置向量。悬挂字典对我来说更容易理解，也就是说，当我们到达悬挂节点时，它提供了随机转换的概率。在

有人能帮我理解我提供这三种情况吗，即边缘权重、个性化向量和悬挂向量（pagerank会受到什么影响）

Answer 1

这不是一个真正的编程问题，但我还是会回答的。在

在NetworkX实现中，如果您设置了个性化设置向量，那么这些值也将用于“悬挂节点”——您不能单独设置悬挂节点值。在

“weight=”参数提供要用作数字边权重的边属性。默认的“权重=无”将所有权重设置为（1）。如果要偏移某些边，可以根据图形中的属性随意调整它们。在