[論文レビュー] Distribution of PageRank Mass Among Principle Components of the Web

Konstantin Avrachenkov, Nelly Litvak+1 more|ArXiv.org|Sep 13, 2007

Complex Network Analysis Techniques参考文献 16被引用数 5

ひとこと要約

本稿は、ページランクの質量が減衰係数 $c$ の関数として、ウェブのバタフライ構造全体にわたってどのように分布するかを、特異摂動理論を用いて分析している。$c$ が大きい場合でも IN および SCC 成分は高いページランクを維持するが、Pure OUT 成分には「ドアレス」部分構造が存在し、$c \to 1$ の際に不正にページランクを支配してしまうため、公平なランク付けと耐障害性を向上させるために $c$ を 0.5 に低減するよう提言している。

ABSTRACT

We study the PageRank mass of principal components in a bow-tie Web Graph, as a function of the damping factor c. Using a singular perturbation approach, we show that the PageRank share of IN and SCC components remains high even for very large values of the damping factor, in spite of the fact that it drops to zero when c goes to one. However, a detailed study of the OUT component reveals the presence ``dead-ends'' (small groups of pages linking only to each other) that receive an unfairly high ranking when c is close to one. We argue that this problem can be mitigated by choosing c as small as 1/2.

研究の動機と目的

• 減衰係数 $c$ の関数として、ウェブの IN、SCC、OUT 成分にページランク質量がどのように分布するかを理解すること。
• 特に OUT 成分において $c$ が 1 に近い場合に生じる歪みたランク付けの構造的要因を特定すること。
• Pure OUT 成分に存在するダングリング・ノードおよび小さな強連結成分（ドアレス）がページランク分布に与える影響を評価すること。
• ページランクの公平性と耐障害性を向上させるために、減衰係数 $c$ を 0.85 から 0.5 に低減する理論的・実証的根拠を提供すること。

提案手法

• 特異摂動理論を用いて、$c \to 1$ の極限におけるページランクの挙動を分析し、IN+SCC 成分と Pure OUT 成分に焦点を当てる。
• ウェブを IN、SCC、OUT 成分を持つバタフライ・グラフとしてモデル化し、ハイパーリンク行列 $W$ をそれに従って分解する。
• マルコフ連鎖理論を適用して、ページランクを $G = cW + (1-c)(1/n)\mathbf{1}\mathbf{1}^T$ の定常分布として定義する。
• 実際のウェブグラフ（INRIA および FrMathInfo）を用いて、さまざまな $c$ 値でのページランク計算を実証的に分析する。
• ドアレス部分構造に人工リンクを追加する制御実験を実施し、クリックログデータと比較してページランク順位を検証する。
• 正規化ページランクおよび準定常分布近似を用いて、ページランク質量の境界を導出し、臨界 $c^*$ 値を特定する。

実験結果

リサーチクエスチョン

• RQ1 $c \to 1$ の際、理論的にはゼロに収束するはずの IN+SCC 成分のページランク質量は、実際にどのように振る舞うか？
• RQ2 なぜ $c$ が 1 に近い場合に Pure OUT 成分のページが著しく高いページランクを獲得するのか？
• RQ3 特に Pure OUT に存在するドアレス構造といった、ウェブグラフの構造的特徴が、この不公平なランク付けを引き起こす理由は何か？
• RQ4 Pure OUT 成分の不公平なランク付けを緩和するために、減衰係数 $c$ を低減させることは可能か？ ただしランク品質を損なわないように。
• RQ5 異なる $c$ 値に対して、ページランク順位と実際のユーザー行動（クリックログで測定）との整合性はどの程度か？

主な発見

• 理論的には $c \to 1$ でゼロに収束するはずの IN+SCC 成分のページランク質量は、$c$ が 1 に近い場合でも高いままである。
• Pure OUT 成分には、$c$ が 1 に近いとページランク質量の大部分を吸収する小さな孤立した強連結成分（「ドアレス」）が存在する。
• $c=0.85$ の場合、ドアレス Pure OUT 成分内のページ（例：ノード A）のページランク順位は 731 であるが、クリックベースの順位は 2,588 であり、著しい歪みが生じている。
• ドアレスから SCC への人工リンクを 1 本追加すると、$c=0.85$ 時に同じページのページランク順位は 731 から 2,101 に低下し、クリックベースの順位に近づく。
• $c=0.5$ 時に、ページランク順位とクリックベース順位の乖離が顕著に小さくなり、$c=0.5$ がより公平な選択であることを裏付ける。
• 理論的分析により、ページランク質量が閾値を下回る臨界値 $c^*$ は $1/2$ 略上方に位置することが示され、$c=0.5$ が耐障害性と公平性に優れた選択であると結論づけられる。