[論文レビュー] PageRank centrality and algorithms for weighted, directed networks with applications to World Input-Output Tables

Panpan Zhang, Tiandong Wang+1 more|arXiv (Cornell University)|Apr 6, 2021

Complex Network Analysis Techniques参考文献 37被引用数 5

ひとこと要約

本稿は、重み付きで有向なネットワークに対して、エッジ重み、ノード強度、ノード固有の事前情報の3つを調整可能なパラメータを用いて統合する重み付きPageRank（WPR）中心性測度を提案する。この手法は、修正された行列の主固有ベクトルを用いて効率的に中心性を計算し、合成ネットワークおよび現実世界の世界入出力ネットワーク（WIONs）において、古典的測度を上回り、グローバルなトレンドと整合する直感的な経済的順位付けを明らかにする。

ABSTRACT

PageRank (PR) is a fundamental tool for assessing the relative importance of the nodes in a network. In this paper, we propose a measure, weighted PageRank (WPR), extended from the classical PR for weighted, directed networks with possible non-uniform node-specific information that is dependent or independent of network structure. A tuning parameter leveraging node degree and strength is introduced. An efficient algorithm based on R program has been developed for computing WPR in large-scale networks. We have tested the proposed WPR on widely used simulated network models, and found it outperformed other competing measures in the literature. By applying the proposed WPR to the real network data generated from World Input-Output Tables, we have seen the results that are consistent with the global economic trends, which renders it a preferred measure in the analysis.

研究の動機と目的

• 重み付きで有向なネットワークにおけるエッジ重み、ノード強度、補助的なノード固有情報の3つを考慮する中心性測度の開発。
• 古典的PageRankがエッジ重みとノード固有事前情報を無視するという限界を是正し、誤った中心性順位付けを回避すること。
• Rを用いた大規模ネットワーク向けの効率的計算アルゴリズムの設計。実世界のシステムへの実用的応用を可能にする。
• 提案されたWPRを合成ネットワークおよび現実世界の世界入出力ネットワーク（WIONs）に適用し、経済的直感と整合する高い適合性を実証すること。

提案手法

• 調整可能なパrameter θ を用いてエッジ重みとノード固有事前情報を統合する重み付きPageRank（WPR）の定式化を提案。
• WPRを、ノードの出強度でエッジ重みを正規化し、ノード重要度の事前情報を統合した修正遷移行列の主固有ベクトルとして定義。
• 収束を保証するための減衰係数 γ ∈ [0,1) を導入し、ランダムサーファーモデルに類似した枠組みを採用。重み付きエッジを考慮する。
• Rを用いた反復的パワー法アルゴリズムを用い、大規模ネットワークにおけるWPRの効率的計算を実現。公開実装は wdnet Rパッケージに統合。
• エッジ重みとノード事前情報の両方を対称的に扱う統一フレームワークを採用し、ノード強度と事前情報の相対的影響を柔軟に制御可能に。
• 世界入出力表（WIOTs）に本手法を適用し、経済的重要性を反映するため、総付加価値（TVA）を事前情報として使用。

実験結果

リサーチクエスチョン

• RQ1 エッジ重みとノード固有事前情報を統合することで、古典的PageRankと比較して、重み付きで有向なネットワークにおける中心性評価はどの程度改善されるか？
• RQ2 提案されたWPR測度は、世界入出力ネットワーク（WIONs）に適用した際に、現実の経済的ダイナミクスをよりよく反映できるか？
• RQ3 ノード強度と事前情報のバランスを調整する調整パrameter θ が、得られる中心性順位にどのように影響を与えるか？
• RQ4 構造が既知の合成ネットワークモデルにおいて、WPRは既存の拡張PageRank測度を上回るか？
• RQ5 WPRは、時間経過に伴うグローバル入出力システムにおいて、より直感的かつ経済的に妥当な順位付けをどの程度明らかにできるか？

主な発見

• 2000年には、TVAを事前情報として用いたWPRは、上位10の地域セクターのうち9つを米国ベースのセクターが占め、当時の米国貿易支配を反映していた。
• 2007年には、中国の建設セクター（27）がWPR順位で9位に上昇し、2008年オリンピックに向けた政府支援と経済拡大と整合的であった。
• 2014年には、中国の建設（27）、製造（20）、電子機器（17）、鉄鋼（15）セクターが、それぞれ1位、6位、7位、10位にランクインし、経済的影響力の拡大を反映していた。
• 米国は依然として強くはあったが、2000年と比べて支配的ではなかった。2014年には上位セクターが2位、4位、5位にランクインし、グローバル経済力の移行を示唆していた。
• TVAを事前情報として組み込むことで、中東およびROW（その他の地域）の低付加価値地域が上位10位から除外され、経済的現実と整合する順位付けが実現した。
• スケールフリーおよび確率的ブロックモデルを用いた合成ネットワークにおいて、WPRは古典的PageRankおよび他の拡張測度を上回り、構造的・経済的側面の微細な特徴を的確に捉えていた。