[論文レビュー] A Note on the Eigenvalues of the Google Matrix

Lars Eldén|ArXiv.org|Jan 15, 2004

Algorithms and Data Compression参考文献 11被引用数 17

ひとこと要約

本稿は、Google行列 A = αP + (1−α)ve^T の固有値が {1, αλ₂, αλ₃, ..., αλₙ} に等しいことを、簡潔で代替的な証明を提示する。ここで P は固有値 {1, λ₂, ..., λₙ} を持つ列確率行列である。主な結果は、絶対値が2番目に大きな固有値が常に α であることであり、これはPageRank計算に用いられるべきべき乗法の収束速度を直接決定する。

ABSTRACT

The Google matrix is a positive, column-stochastic matrix that is used to compute the pagerank of all the web pages on the Internet: the eigenvector corresponding to the eigenvalue 1 is the pagerank vector. Due to its huge dimension, of the order of billions, the (presently) only viable method to compute the eigenvector is the power method. For the convergence of the iteration, it is essential to know the eigenvalue distribution of the matrix. A theorem concerning the eigenvalues was recently proved by Langville and Meyer. In this note another proof is given.

研究の動機と目的

• Google行列 A = αP + (1−α)ve^T の固有値構造に関する簡単で代替的な証明を提供すること。
• 特に2番目に大きな固有値の絶対値に関する、Google行列のスペクトル的性質を明確にすること。
• 固有値分布を厳密に確立することで、PageRankアルゴリズムの理論的基盤を強化すること。
• 大規模なWebグラフ計算におけるべき乗法の収束挙動を理解を強化すること。

提案手法

• ê を正規化されたすべて1のベクトルとする U = [ê, U₁] による直交変換を用いて、行列 P をブロック形式に分解する。
• 列確率行列の性質 e^T P = e^T を活用し、U^T による変換で (1,1) 要素に恒等行列、(1,2) ブロックにゼロ行列が得られることを示す。
• 変換された行列 U^T A U を、変換された P の α 倍と、変換された基底における (1−α) 倍の外積 ve^T を組み合わせたブロック行列として表現する。
• U^T A U = [1, 0; w₁, αT] というブロック構造を導出する。ここで T は P の固有値 λ₂, ..., λₙ を含む。
• 相似変換が固有値を保存することを活用し、A の固有値が {1, αλ₂, ..., αλₙ} に等しいと結論づける。
• e の正規化を e^T v = 1 とし、ê のユークリッドノルム正規化を維持することで、変換の一貫性を保つ。

実験結果

リサーチクエスチョン

• RQ1 P が列確率行列で、v が確率ベクトルであるとすると、Google行列 A = αP + (1−α)ve^T の正確な固有値は何か？
• RQ2 A の2番目に大きな固有値はパrameter α にどのように依存し、その絶対値は何か？
• RQ3 ランク1補正 (1−α)ve^T による摂動に対しても、A のスペクトル構造は安定か？
• RQ4 直交変換とブロック行列分解を用いて、A の固有値分布を導出できるか？
• RQ5 べき乗法の収束速度が α によって支配される理論的根拠は何か？

主な発見

• Google行列 A の固有値は正確に {1, αλ₂, αλ₃, ..., αλₙ} に等しく、ここで λ₂, ..., λₙ は元の列確率行列 P の固有値である。
• A の絶対値が2番目に大きな固有値は、P の構造にかかわらず常に α に等しい。
• P に複数の固有値が1に等しい場合であっても、A のスペクトルギャップは依然として α によって決定され、収束が予測可能である。
• PageRank を計算するためのべき乗法の収束速度は、2番目の固有値のスペクトル半径が α であるため、α によって支配される。
• 直交行列 U を用いた変換は固有値を保存し、綺麗なブロック分解を可能にし、固有値のスケーリングを明らかにする。
• この結果は、PageRank計算が α 比例の速度で収束することを確認しており、大規模なWebインデキシングにおいて極めて重要である。