我认为我现在这样做效率低下，并且想要一个关于如何更好地做到这一点的建议。目前我有一个有向图并且正在使用节点特定因素（即分析节点，然后将分数分配给两者之间的边）。我有很多因素并不断改变边缘的权重（在我的情况下，权重越高越好）。
但这些都是特定于节点的，我还想利用图的结构来进行推断（更多的边应该给节点一个更好的排名，等等）。
我的问题是这是两个正在发生的不同过程，我想看看我是否可以以某种方式将两者结合在一起进行推断。现在，我在我的节点上运行 pagerank（每组节点都是我的日子，所以我在整个数据集上运行 pagerank 然后只捕获当天的结果），然后获取当天的 pagerank 分数并将它们添加到从各个边到节点的所有权重的总和。它有点令人困惑，我想知道是否有另一种方法，或者我是否可以让 pagerank 考虑边缘权重（或其他东西......我可以轻松修改程序）？
我对当前方法的恐惧是，当我为每个节点添加更多因素来研究时，分数会增加（每个节点添加一个介于 0-1 之间的值）但 pagerank 分数保持很小，所以如果 aa 节点的分数为 25 和pagerank 为 0.034，那么相对而言，pagerank 分数在图上的推理中不会起到很大的作用。
任何帮助或建议都会很棒。我已经阅读了一些图表，但我仍然是一个 n00b，所以请纠正我所做的任何不正确的假设。另外，如果有帮助，我正在为我的图表使用 python 和 networkx 库。