[论文解读] PageRank: Standing on the shoulders of giants

Massimo Franceschet|arXiv (Cornell University)|Feb 15, 2010

Web visibility and informetrics参考文献 19被引用 6

一句话总结

本文建立了谷歌PageRank算法与文献计量学、社会计量学及投入产出经济学基础模型之间的概念与数学类比——特别是列昂蒂夫投入产出模型和平斯基因子影响度方法——证明PageRank并非孤立的创新，而是跨多个学科的基于网络的重要性排序方法长期发展的成果。

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.

研究动机与目标

• 识别并分析PageRank算法在文献计量学、社会计量学及计量经济学等领域的历史与概念先驱。
• 证明PageRank并非一项全新发明，而是早期基于网络的重要性排序技术的演进。
• 强调PageRank与列昂蒂夫封闭投入产出模型及平斯基因子影响度模型之间的数学等价性。
• 主张PageRank的核心原则——‘若某页面被其他重要页面链接，则其本身亦重要’——在早期科学工作中已有深厚根基。
• 将PageRank定位为网络排名中集体智慧的综合体现，融合了民主化与基于引用的评估体系。

提出的方法

• 将PageRank形式化为有向图上的随机游走，其中PageRank值代表由超链接结构定义的马尔可夫链的平稳分布。
• 推导PageRank方程 π = πH，其中H为编码网页间超链接概率的随机转移矩阵。
• 通过用均匀概率向量替换H中零行的方式，对悬挂节点进行建模，确保链的遍历性。
• 在PageRank与列昂蒂夫封闭投入产出模型之间建立直接类比，其中 π = πA，A表示产业间投入系数。
• 将PageRank与平斯基-纳林文献计量模型进行比较，表明两者均依赖特征向量中心性，根据链接者的权重对实体进行排序。
• 运用谱理论证明，列昂蒂夫模型中的均衡价格向量π是矩阵A的主导特征向量，与PageRank的特征向量解具有类比关系。

实验结果

研究问题

• RQ1 PageRank算法在计算机科学领域之外的学术先驱是什么？
• RQ2 PageRank的数学结构与经济学中列昂蒂夫投入产出模型的数学结构在多大程度上相似？
• RQ3 PageRank中‘通过认可获得重要性’的原则在更早的模型（如平斯基因子影响度模型）中已存在到何种程度？
• RQ4 为何PageRank算法被视为集体智慧的综合而非孤立创新？
• RQ5 将PageRank视为网络中心性度量更广泛谱系的一部分，其意义是什么？

主要发现

• PageRank在数学上等价于列昂蒂夫封闭投入产出模型的主导特征向量解，其中均衡价格向量π满足 π = πA。
• 列昂蒂夫投入系数矩阵A的谱半径为1，确保了均衡价格向量π存在非平凡解。
• 平斯基因子文献计量模型在期刊影响力评估中的结构与PageRank完全相同，两者均依赖特征向量中心性，根据链接者的权重对实体进行排序。
• PageRank模型通过均匀替换向量处理悬挂节点的方式，与投入产出模型处理非冗余部门的方式具有类比性。
• 本文确立了PageRank的核心思想——‘重要性通过来自重要来源的链接继承’——早在网络出现之前，已在社会计量学与文献计量学模型中存在。
• 作者得出结论：PageRank建立在巨人的肩膀上，汲取了经济学、文献计量学与社会网络分析数十年的研究成果。