[论文解读] Ensemble Enabled Weighted PageRank

Dongsheng Luo, Chen Gong+3 more|arXiv (Cornell University)|Apr 19, 2016

Web Data Mining and Analysis参考文献 11被引用 8

一句话总结

本文提出了一种名为集成增强加权PageRank（EWPR）的新方法，通过将时间加权PageRank与异构实体（引用、会议、作者）的集成学习相结合，对学术论文进行排序。该方法通过建模引用的时间衰减效应并整合多个实体集成，提升了排序准确性，在WSDM Cup 2016数据集上实现了0.733的成对准确率，优于包括混合模型在内的基线方法。

ABSTRACT

This paper describes our solution for WSDM Cup 2016. Ranking the query independent importance of scholarly articles is a critical and challenging task, due to the heterogeneity and dynamism of entities involved. Our approach is called Ensemble enabled Weighted PageRank (EWPR). To do this, we first propose Time-Weighted PageRank that extends PageRank by introducing a time decaying factor. We then develop an ensemble method to assemble the authorities of the heterogeneous entities involved in scholarly articles. We finally propose to use external data sources to further improve the ranking accuracy. Our experimental study shows that our EWPR is a good choice for ranking scholarly articles.

研究动机与目标

• 解决在异构、随时间演化的图中对学术论文进行排序的挑战，传统PageRank会低估近期发表的论文。
• 对引用的时间动态进行建模，其中影响力通常在早期达到峰值并随时间衰减。
• 通过结合多个实体集成（引用、会议、作者）而非依赖单一或混合模型，提升排序准确性。
• 评估引入外部数据源和机构信息对提升排序性能的有效性。

提出的方法

• 提出时间加权PageRank，引入时间衰减因子，根据引用年龄对权威传播进行加权，与均匀PageRank不同。
• 设计一种集成框架，将引用、会议和作者集成的权威得分进行融合，生成最终的论文排序结果。
• 采用带超参数α=1.2和β=0.3的加权融合策略，以优化成对准确率。
• 引入外部数据源以丰富实体表示，提升鲁棒性，尤其在数据缺失或稀疏时表现更优。
• 在迭代计算中使用阻尼因子d=0.15和衰减因子t=2.5，经过30轮迭代实现收敛。
• 评估了引入机构集成的影响，发现其导致性能下降，原因在于与论文重要性相关性较弱。

实验结果

研究问题

• RQ1 在PageRank中引入时间衰减因子是否能提升传统PageRank常低估的近期发表学术论文的排序效果？
• RQ2 将多个异构实体集成（引用、会议、作者）与单一集成或混合模型方法相比，在排序准确性上表现如何？
• RQ3 使用外部数据源是否能显著提升在噪声大、异构的引用图中的论文排序性能？
• RQ4 引入基于机构的集成是否对论文排序有益，还是因其与论文影响力相关性弱而引入噪声？

主要发现

• 时间加权PageRank将成对准确率从标准PageRank的0.687提升至0.701，证明了在基于引用的排序中引入时间衰减具有价值。
• 引用、会议和作者集成的联合（EWPR）实现了0.733的成对准确率，相比单一集成WPR（0.701）提升了3.2%。
• EWPR超越混合模型方法MulRank（0.699）达3.4%，表明集成方法在噪声图中能更有效地控制误差传播。
• 引入机构集成后准确率降至0.711，表明并非所有实体类型都同等贡献，若相关性弱则可能降低性能。
• EWPR在WSDM Cup 2016第一阶段排行榜上实现了0.656的成对准确率，证实了其在真实场景评估中的有效性。