带循环图的网络度分类性

Question

我遇到的大多数用于网络分类的公式都假设使用简单的图形-即。二进制，非多个边，并且没有循环（自边）。

wikipedia的公式与其他地方的公式相同，但是没有给出图形本身的正式定义。我发现this 2015 survey很好，它明确表示邻接矩阵的对角线假定为0。

要在此处复制公式，似乎以下公式适用于简单图形G：

j，k是剩余顶点度（真度j+1或k+1），q是剩余度的概率分布，分母是q和e _jk 的标准偏差是剩余度j和k的顶点之间的所有边的分数。

我的问题是，当对角线不为零时，如何计算分类度？我们允许自参考边。目前，我主要对无向图感兴趣。

我尝试使用度的图论定义（循环边= 2）进行此操作，但是我相信这会破坏e _jk 的简单实现。

似乎像python的networkx这样的网络分析程序包也能很好地处理这种情况！我的问题是-如何扩展上面的公式以处理自身优势并保持-1和1之间的有效分类值？

谢谢！