老师好，我对本节中的代码有一些疑问

    for iter_index in range(iter_num):
        tmp_rank = {point: 0 for point in graph}
        for out_point, out_dict in graph.items():
            for inner_point, value in out_dict.items():
                tmp_rank[inner_point] += round(alpha * rank[out_point] / len(out_dict), 4)
                if inner_point == root:
                    tmp_rank[inner_point] += round(1 - alpha, 4)
        print('iter ', iter_index, ' tmp_rank', tmp_rank)
        if tmp_rank == rank:
            break
        rank = tmp_rank

本节代码中的核心部分，对于root结点，在计算pr值时，不止要计算其他结点依照图中的边一步转移到root结点时的概率，也要加上其他节点直接回到root结点的概率

我觉得在outer_point和inner_point这两层for循环中有可能多次计算其他结点直接回到root结点的概率
例如对于记录(a,A) (b,A)，在root=A并且游走到a和游走到b时，即out_point=a或b，inner_point=A的时候，都会令tmp_rank[A]+=1-alpha
那么这个时候tmp_rank[A]的pr值就重复加上了1-alpha
根据公式里的内容，在计算A的pr值时应该只加一次1-alpha

所以我觉得代码应该写成如下形式，即去掉if判断，改为在外层直接tmp_rank[root]+=round(1-alpha,4)

    for iter_index in range(iter_num):
        tmp_rank = {point: 0 for point in graph}
        for out_point, out_dict in graph.items():
            for inner_point, value in out_dict.items():
                tmp_rank[inner_point] += round(alpha * rank[out_point] / len(out_dict), 4)
        tmp_rank[root] += round(1 - alpha, 4)
        print('iter ', iter_index, ' tmp_rank', tmp_rank)
        if tmp_rank == rank:
            break
        rank = tmp_rank

这是我第二份代码在rank达到收敛时的运行结果
tmp_rank {‘A’: 0.5014000000000001, ‘item_a’: 0.1127, ‘item_b’: 0.1127, ‘item_d’: 0.1127, ‘B’: 0.0412, ‘item_c’: 0.0248, ‘C’: 0.0412, ‘item_e’: 0.0124, ‘D’: 0.0412}
其中所有的pr_score相加的结果约为1，我想应该符合算法的定义，大约描述了从A出发，向各个结点转移的概率