在BA网络中，使用累积和的方法，也就是轮赌法来选择下一个连接的节点，累积和就是把每个节点的度除以总和，然后拉伸到一个坐标中，然后随机产生一个随机数，该随机数落在哪个区域，我们就选择连接哪一个节点。
当然，该方法也可以用到deepwalk的随机游走选择下一个游走节点过程中。
我们把该原理引入到了deepwalk方法中，替代了deepwalk中的choice这个随机选择下一个节点的方法，效果也是可以的。
具体代码如下；
import numpy as np
import random
unnormalized_probs = []
#node id
node = [1,5,3,7,9]
snode = sorted(node)
# weights for nodes
a=[2,2,2,2,2]
norm_const = sum(a)
normalized_probs = [float(u_prob)/norm_const for u_prob in a]
b=np.cumsum(normalized_probs)
y=random.random()
c=np.where(b>y)[0]
print snode
print normalized_probs
print b
print y
print c[0]
print snode[c[0]]
以上算法，我们已经书写论文，效果也是比np.choice的方法好。具体的原因是choice是一个完全的随机，产生的随机数并不是均匀分布的。我们的轮赌法产生的随机数是离散的均匀分布。符合复杂网络生成规则，即节点度优先连接规则。现有的很多成果表明，优先连接是一种合理的复杂网络生成方法。把这个方法应用到deepwalk选择下一个随机游走节点的算法中，也是很好的改进了deepwalk算法。
