我是印第安纳大学布卢明顿分校的计算机科学研究生。在我的一个研究项目中，我正在研究如何计算一个非常稀疏且具有高比例死链的有向图的PageRank值。

这里的死链指的是出度为零的节点。有时，在有很多死链的图中，可能会出现蜘蛛陷阱。不管怎样，我感兴趣的问题是如何在这种情况下计算PageRank值。

我使用的是JUNG（Java Universal Graph Network）来计算PageRank值。

当我使用常规程序时，

Graph<String, String> jungGraph = new DirectedSparseGraph<String, String>();PageRank<String, String> pagerank = new PageRank<String,String>(jungGraph, 0.2);pagerank.setMaxIterations(20);pagerank.setTolerance(0.000001);pagerank.evaluate();

我得到的所有节点的PageRank值几乎相同，而我清楚地知道不应该是这样的。因为图中的一些节点有大量的出节点，并且相互之间紧密连接。

在这种情况下，建议的做法是什么？我知道有一个名为PageRankWithPriors的类。我是否应该先提取没有死链的网络，计算它们的PageRank值，然后将它们的排名传播到死链上，直到它们收敛？在后一种情况下，减少网络中所有节点（出度 != 0）的先验值将被设置，而死链则不会。

我在这里是否遗漏了什么？

回答：

我认为PageRankWithPriors并不是你想要的。

你使用的是哪个版本的PageRank？是edu.uci.ics.jung.algorithms.importance.PageRank还是edu.uci.ics.jung.algorithms.scoring.PageRank？前者在Jung 2.0 Beta中已被废弃，取而代之的是后者。

它们似乎对出度为0的节点处理方式不同，这可能是你的问题所在。前者的说明说：

从节点u到节点v的概率等于(1-alpha)[1/outdegree(u)] + alpha(1/|V|)

如果u在原始图中没有出边，则使用0代替1/outdegree(v)。

这似乎是错误的，因为它会导致概率损失（通过某种方法离开u的总概率应该等于1，而它并不是）。后者处理方式不同：

如果一个顶点没有出边，那么从该顶点进行随机跳转的概率（默认情况下）实际上是1

这应该可以保持概率，这是你想要的效果。