[논문 리뷰] PageRank: Standing on the shoulders of giants

Massimo Franceschet|arXiv (Cornell University)|2010. 02. 15.

Web visibility and informetrics참고 문헌 19인용 수 6

한 줄 요약

이 논문은 구글의 PageRank 알고리즘과 정보학, 사회측도학, 입력-출력 경제학 분야의 기초 모델들 사이의 개념적·수학적 유사성을 규명한다. 특히 레온티프의 입력-출력 모델과 핀스키-나린의 인용 영향도 방법을 중심으로 하여, PageRank가 고립된 혁신이 아니라 다양한 분야에서 네트워크 기반 중요도 순위 매기기 기법의 발전을 거쳐 온 결과임을 보여준다.

ABSTRACT

PageRank is a Web page ranking technique that has been a fundamental ingredient in the development and success of the Google search engine. The method is still one of the many signals that Google uses to determine which pages are most important. The main idea behind PageRank is to determine the importance of a Web page in terms of the importance assigned to the pages hyperlinking to it. In fact, this thesis is not new, and has been previously successfully exploited in different contexts. We review the PageRank method and link it to some renowned previous techniques that we have found in the fields of Web information retrieval, bibliometrics, sociometry, and econometrics.

연구 동기 및 목표

• 정보학, 사회측도학, 계량경제학 분야에서 PageRank 알고리즘의 역사적·개념적 선구자들을 식별하고 분석하는 것.
• PageRank가 새로운 발명이 아니라 이전의 네트워크 기반 중요도 순위 매기기 기법의 진화임을 입증하는 것.
• 레온티프의 폐쇄형 입력-출력 모델과 핀스키-나린의 인용 영향도 모델 등과 같은 모델들과 PageRank 간의 수학적 동치성을 강조하는 것.
• 한 페이지가 중요한 이유는 다른 중요한 페이지들로부터 링크를 받기 때문이라는 PageRank 원칙이 이전 과학적 연구에서 이미 뿌리를 두고 있음을 주장하는 것.
• PageRank를 웹 순위 매기기에서의 집단 지능의 융합으로 위치시키며, 민주적이고 인용 기반 평가 체계에서 영감을 얻었다는 점을 부각하는 것.

제안 방법

• PageRank를 방향성 있는 그래프 위의 무작위 보행으로 수식화하여, PageRank 값이 하이퍼링크 구조로 정의된 마르코프 체인의 정적 분포를 나타낸다.
• 하이퍼링크 확률을 코딩한 스토케스틱 전이행렬 H를 사용해 PageRank 식 π = πH를 유도한다.
• H의 영행렬을 균일 확률 벡터로 대체하여 매달린 노드(dangling nodes)를 처리함으로써, 에르고딕성(ergodicity)을 확보한다.
• PageRank와 레온티프의 폐쇄형 입력-출력 모델 사이의 직접적 유사성을 설정하며, π = πA로 표현되며 여기서 A는 산업 간 투입 계수를 나타낸다.
• PageRank를 핀스키-나린의 정보학 모델과 비교하여, 양자 모두 링커의 중요도에 기반해 실체를 순위 매기는 고유벡터 중심성(eigenvector centrality)에 의존한다는 점을 보여준다.
• 스펙트럼 이론을 활용하여, 레온티프 모델의 평형 가격 벡터 π가 행렬 A의 주요 고유벡터임을 증명하며, 이는 PageRank의 고유벡터 해와 유사함을 입증한다.

실험 결과

연구 질문

• RQ1 컴퓨터 과학 외 분야에서 PageRank 알고리즘의 지적 선구자는 무엇인가?
• RQ2 경제학 분야의 레온티프 입력-출력 모델과 비교할 때 PageRank의 수학적 구조는 어떻게 유사한가?
• RQ3 '추천을 통한 중요도' 원칙이 핀스키-나린의 인용 영향도 모델과 같은 이전 모델들에 얼마나 깊이 내재되어 있는가?
• RQ4 왜 PageRank 알고리즘이 고립된 혁신이 아니라 집단 지능의 융합으로 간주되어야 하는가?
• RQ5 PageRank를 네트워크 중심성 측정치의 광범위한 유산의 일부로 보는 데서 유추되는 함의는 무엇인가?

주요 결과

• PageRank는 레온티프의 폐쇄형 입력-출력 모델의 주요 고유벡터 해와 수학적으로 동치이며, 평형 가격 벡터 π는 π = πA를 만족한다.
• 레온티프의 투입 계수 행렬 A의 스펙트럼 반경(spectral radius)은 1이며, 이는 평형 가격 벡터 π에 대한 비자명한 해가 존재함을 보장한다.
• 학술지 영향도 평가를 위한 핀스키-나린의 정보학 모델은 구조적으로 PageRank와 동일하며, 둘 다 링커의 중요도에 기반해 실체를 순위 매기는 고유벡터 중심성에 의존한다.
• PageRank 모델이 매달린 노드를 균일한 대체 벡터로 처리하는 방식은 입력-출력 모델이 비중복 부문(non-redundant sectors)을 다루는 방식과 유사하다.
• 이 논문은 PageRank의 核심 개념인 '중요도는 중요한 소스로부터 링크를 통해 유전된다'는 원리가 웹 이전의 사회측도학 및 정보학 모델들에서 이미 존재했음을 규명한다.
• 저자는 PageRank가 거대한 지적 유산 위에 서 있으며, 경제학, 정보학, 사회망 분석 분야에서 수십 년간 축적된 연구의 결과임을 결론짓는다.