PageRank遇到无出链页面：漏掉的概率去了哪里

28分钟前 3阅读

PageRank实现里有一种故障很隐蔽：每个节点都算出了正数，排行榜也正常出现，但所有分数之和逐轮缩小。问题常出在没有出链的节点上。流入它的概率下一轮应怎样分配，必须是模型的一部分，不能等计算结束才凭感觉补救。

AI生成概念示意图：圆环和回流路径表示概率重新分配，不是本文三节点图的精确连边或流量。

先固定方向和两个分布

构造三个页面A、B、C，只存在A→B、B→C两条边，C没有任何出链，称为悬挂节点。设沿链接移动的概率α=0.85，随机重启概率为0.15。重启分布v=(1/3,1/3,1/3)，悬挂质量也按同一分布q=v重新分配。

这里使用行向量r表示节点概率，P的第i行表示从节点i出发的下一步分布。A行是(0,1,0)，B行是(0,0,1)，C行则补成(1/3,1/3,1/3)。包括留在C自己的可能性，每行之和都是1。迭代为r新=αrP+(1-α)v。

另一种等价写法是保留C的零行矩阵P₀，再单独计算悬挂质量d=rC，使用r新=αrP₀+αdq+(1-α)v。两种写法不要同时使用，否则会把悬挂质量补两遍。NetworkX官方实现采用单独累加悬挂质量的思路，并默认让q采用个性化分布。

从均匀初值r₀=(1/3,1/3,1/3)出发，每个节点获得重启贡献0.05；C携带的1/3又乘上0.85，均分后给每个节点约0.094444。于是r₁≈(0.144444,0.427778,0.427778)，总和仍为1。

若把C的出链循环直接跳过，同时又漏掉单独分配，第一步得到(0.05,0.333333,0.333333)，总和只有0.716667。差的0.283333恰好是αr₀,C。这个差额关系比“数值看着不太对”更好用：每轮缺失量应直接对应上一轮悬挂节点的总概率乘以α。

重启项不会自动补满这个漏洞。它在本例里每轮只注入固定总量0.15，负责表达重新选择起点的行为；悬挂分配负责把原有概率继续送出去。两者承担不同角色，只有同时按已声明的模型处理，概率解释才完整。

正确模型继续迭代，第二步约为(0.171204,0.293981,0.534815)，第三步约为(0.201531,0.347054,0.451415)。分量可以来回变化，不应要求每个节点分数都单调上升或下降；应检查非负、总和与收敛残差。

稳态满足A=0.05+0.85C/3，B=0.05+0.85(A+C/3)，C=0.05+0.85(B+C/3)。直接解方程，得到A=400/2169，B=740/2169，C=1029/2169，约为(0.184417,0.341171,0.474412)。三者相加正好为1。

C最高并不矛盾。它持续接收B的流入，又可以通过悬挂规则重新出发。没有普通出链，不等于不重要，也不等于应从图中删掉。节点是否存在、边是否缺失和应如何处理缺失，需要由数据含义决定；爬虫没有抓到出链，也不一定代表页面真的没有出链。

一种常见修补是：先按漏项公式算出三个数，再除以它们的总和。它保证显示出来的总和为1，却改变了链接贡献与重启贡献的相对强度。本例反复这样做，会趋向约(0.103751,0.286745,0.609504)，与正确稳态明显不同。

但也不能笼统宣称“一切事后归一化都错”。若先完整求出漏项线性方程z=αzP₀+(1-α)v的解，本例得到z=(0.05,0.0925,0.128625)，总和0.271125。最后只归一化一次，恰好得到正确稳态。原因在于本例q=v，这种特定构造可以把丢失质量重新解释为同方向的注入。

这条等价性并不替每轮粗暴归一化背书，也不能随意推广到q与v不同的设置。验证时必须说清“在哪一步归一化”，以及悬挂分布是否与重启分布一致。只比较最后排行榜，甚至可能看不出概率模型已经改变，因为不同数值偶尔仍有相同顺序。

对固定的行随机矩阵P，且0≤α＜1，映射r→αrP+(1-α)v在一范数下具有压缩性质，所以可以控制误差。若稳态残差为e=||r-αrP-(1-α)v||₁，到唯一固定点的误差不超过e/(1-α)。α越接近1，相同残差对应的误差界就越松。

本例α=0.85，因此残差界会放大约6.67倍。实现还应记录迭代次数、停止阈值和是否触及最大次数；“循环跑完”不等于已经达到所需精度。若改为α=1，这个压缩保证消失，周期结构与多个封闭分量便需要另外分析。

所有边权都应非负，并在同一出发节点内归一化。所谓无出链，不仅包括边数为零，也可能包括出边权重总和为零。若使用个性化v或单独指定q，要先检查它们非负且总和为1；不要一处用节点顺序，另一处却沿用了不同的字典或矩阵排序。

一个实用的测试集合不应只有普通链图。还应包含所有节点都没有出链的图、没有任何悬挂节点的环，以及带自环和非均匀边权的小图。所有节点都悬挂且两种分布相同时，一轮后就应回到该分布；这个边界能很快抓出悬挂质量重复乘阻尼系数的错误。

对于带权出边，分配依据应是权重比例。若一个节点连向两个目标，权重一大一小，却仍各分一半，就实现了另一张图。重复边是否合并也会影响这些比例。把图转换步骤纳入测试，可以避免数学迭代正确、输入语义却在预处理阶段悄悄改变的情况。

此外，概率质量守恒只是必要检查，并不是充分验证。把所有节点的分数一直设成均匀分布，同样非负且总和为一，却通常不满足稳态方程。应让归一化检查、方程残差检查与已知小图的精确答案同时存在；它们针对的是不同类型的错误，彼此不能代替。

如果最终只展示排名，也建议保留原始分数与计算版本。两个节点非常接近时，容差、边权舍入或图增量都可能交换顺序。是否需要把这种小差别解释给业务读者，应结合用途决定，而不是把每一次名次变化都叙述成重要性发生了显著改变。

本地验算分别使用有理数线性方程与逐节点迭代，并核对正确向量残差约为机器精度。用于业务排序时，还要记住分数描述的是当前图与跳转规则下的访问权重，不能直接当作页面内容可信度。图遗漏、边定义或个性化设置变化，都可能改变排名。

资料核对日期：2026年10月3日。三节点图和所有对照数值均为原创教学设定，已本地复算，未使用真实网站访问数据。