使用python'；s networkX计算个性化页面排名

我试图构建一个有向图，并在这个图上计算个性化页面排名。假设我有一个顶点为

{1,2,3,4}

且边从2,3,4到顶点1的图，我想：

（1） 计算每个顶点相对于1的个性化页面排名

（2） 计算每个顶点相对于2的个性化页面排名

问题是我应该如何在个性化页面排名函数中传递此选项。以下代码似乎不能满足我的要求：

import networkx as nx

G = nx.DiGraph()

[G.add_node(k) for k in [1,2,3,4]]
G.add_edge(2,1)
G.add_edge(3,1)
G.add_edge(4,1)


ppr1 = nx.pagerank(G,personalization={1:1, 2:1, 3:1, 4:1})
ppr2 = nx.pagerank(G,personalization={1:2, 2:2, 3:2, 4:2})

现在

ppr1==ppr2

，即使不应该是这样

================================================================== 更新

针对下面的评论，我对个性化页面排名的理解来自以下方面：

一个等价的定义是随机游动起始点的终端节点 从s。设（X0，X1，…，XL）为从长度的X0=s开始的随机游动 L∼ 几何（α）。我在这儿∼ 几何（α）我们的意思是Pr[L=

]=（1−α)

a。这 walk从s开始，并在每一步执行以下操作：使用概率α，终止； 剩余概率为1− α、 继续随机选择一个 当前节点。这里，如果当前节点是u，则为随机邻居v∈ N out（u）是 如果图是加权图或均匀概率图，则选择概率wu，v 1/dout（u）如果图形未加权。那么任意节点t的PPR就是概率 这条路停在t:

可在本论文第6页找到：

---

因此，我假设我在计算“t相对于s的个性化页面排名”时所寻找的是，如果我们按照上述过程从s开始随机游动，那么游动在t终止的概率是多少

在PageRank的概念中，一个随机的冲浪者在以下链接中移动。在每一步中，浏览者进入随机页面的概率都不是零（而不是跟随链接）。如果随机页面的选择是加权的，则称为个性化PageRank

在您的情况下，您希望跳转到单个特定页面。因此，您需要告诉它，当冲浪者跳跃而不是跟随边缘时，所有其他页面在这些步骤中被选中的概率为零

ppr1 = nx.pagerank(G,personalization={1:1, 2:0, 3:0, 4:0})
ppr2 = nx.pagerank(G,personalization={1:0, 2:1, 3:0, 4:0})

---

在PageRank中，你必须解释你所说的“关于……的个性化”是什么意思，有可能统一跳转到一个随机页面。networkx中的

个性化设置

允许跳转在不同页面上具有不同的登录概率。在第一种情况下，所有页面的权重为1，因此跳转是均匀的。在第二种情况下，所有页面的权重都为2，因此跳转也是均匀的。因此，两者都给出了相同的结果（如果你根本不指定权重，结果也会一样）。@Joel刚刚补充了更多的相关信息。