更改

具体来说，不同类型的微观节点合并成宏观节点时边权有不同的处理方式，包括四种处理方法：

具体来说，不同类型的微观节点合并成宏观节点时边权有不同的处理方式，包括四种处理方法：

1）下面图a展示了待合并的节点（节点B，C，D）之间没有连边，且待合并节点都指向相同输出节点（节点E）时，将节点B，C，D粗粒化成一个宏观节点<math>\mu</math>，如图b所示，同时需要将指向待合并节点的权重相加，待合并节点的输出权重取平均，具体宏观节点输出权重计算方法为：<math>W_{\mu}=\sum_{i \in S}W_i\frac{1}{N_S}</math>，其中<math>S</math>表示待合并节点集合，<math>W_i</math>表示节点<math>i</math>的出边权重， <math>Ns</math>为待合并节点的数量；

1）下面图a展示了微观网络，其中待合并的节点（节点B，C，D）之间没有连边，且待合并节点都指向相同输出节点（节点E）时，将节点B，C，D粗粒化成一个宏观节点<math>\mu</math>，如图b所示，同时需要将指向待合并节点的权重相加，待合并节点的输出权重取平均，具体宏观节点输出权重计算方法为：<math>W_{\mu}=\sum_{i \in S}W_i\frac{1}{N_S}</math>，其中<math>S</math>表示待合并节点集合，<math>W_i</math>表示节点<math>i</math>的出边权重， <math>Ns</math>为待合并节点的数量；

[[文件:合并方式1.png|居左|800x600像素]]

[[文件:合并方式1.png|居左|800x600像素]]

2）下面图a展示了待合并的节点（节点B，C）之间没有连边但是待合并节点指向多个输出节点的情况，将节点B，C粗粒化成一个宏观节点<math>\mu|j</math>（表示为<math>\mu|j</math>是因为计算宏观节点的输出权重依赖指向待合并节点的权重<math>w_{ji}</math>，其中节点<math>j</math>表示指向待合并节点的节点，如下面图a中的A节点），边权处理方式：需要将指向待合并节点的权重相加，待合并节点的输出权重按比例加权求和，具体宏观节点输出权重计算方法为：<math>W_{\mu|j}=\sum_{i \in S}W_i\frac{\sum_{j->i}w_{ji}}{\sum_{j->k\in S}w_{jk}}</math>，<math>W_{\mu|j}</math>表示宏观节点的输出边权，其中<math>j->i</math>表示存在一个节点j指向待合并节点集合中的节点i；

2）下面图a展示了待合并的节点（节点B，C）之间没有连边但是待合并节点指向多个输出节点的情况，将节点B，C粗粒化成一个宏观节点<math>\mu|j</math>（表示为<math>\mu|j</math>是因为计算宏观节点的输出权重依赖指向待合并节点的权重<math>w_{ji}</math>，其中节点<math>j</math>表示指向待合并节点的节点，如下面图a中的A节点），图b展示了对应的宏观网络，边权处理方式：需要将指向待合并节点的权重相加，待合并节点的输出权重按比例加权求和，具体宏观节点输出权重计算方法为：<math>W_{\mu|j}=\sum_{i \in S}W_i\frac{\sum_{j->i}w_{ji}}{\sum_{j->k\in S}w_{jk}}</math>，<math>W_{\mu|j}</math>表示宏观节点的输出边权，其中<math>j->i</math>表示存在一个节点j指向待合并节点集合中的节点i；

[[文件:合并方式2.png|居左|800x600像素]]

[[文件:合并方式2.png|居左|800x600像素]]

3）下面图a展示了待合并的节点（节点B，C）之间存在连边且待合并节点指向多个输出节点的情况，如图a所示，将节点B，C粗粒化成一个宏观节点<math>\mu|\pi</math>（表示为<math>\mu|\pi</math>是因为计算宏观节点的输出权重依赖网络的平稳分布<math>\pi </math>），具体宏观节点输出权重计算方法为：<math>W_{\mu|\pi}=\sum_{i \in S}W_i\frac{\pi_i}{\sum_{k\in S}\pi_k}</math>，其中 <math>π_i </math>为节点<math>v_i </math>在网络平稳分布中的概率；

3）下面图a展示了待合并的节点（节点B，C）之间存在连边且待合并节点指向多个输出节点的情况，如图a所示，将节点B，C粗粒化成一个宏观节点<math>\mu|\pi</math>（表示为<math>\mu|\pi</math>是因为计算宏观节点的输出权重依赖网络的平稳分布<math>\pi </math>），图b展示了对应的宏观网络，具体宏观节点输出权重计算方法为：<math>W_{\mu|\pi}=\sum_{i \in S}W_i\frac{\pi_i}{\sum_{k\in S}\pi_k}</math>，其中 <math>π_i </math>为节点<math>v_i </math>在网络平稳分布中的概率；

[[文件:合并方法3.png|居左|800x600像素]]

[[文件:合并方法3.png|居左|800x600像素]]