[论文解读] How to make the top ten: Approximating PageRank from in-degree

Santo Fortunato, Marián Boguñá+2 more|ArXiv.org|Nov 3, 2005

Web Data Mining and Analysis参考文献 6被引用 36

一句话总结

本文提出了一种基于入度的平均场近似方法，仅利用入度即可估算PageRank，表明由于网络图中度-度相关性较弱，入度与PageRank高度相关。该方法仅需极少数据即可准确预测页面的排名顺序，为搜索引擎优化和网络存在感战略规划提供了一种实用且低成本的工具。

ABSTRACT

PageRank has become a key element in the success of search engines, allowing to rank the most important hits in the top screen of results. One key aspect that distinguishes PageRank from other prestige measures such as in-degree is its global nature. From the information provider perspective, this makes it difficult or impossible to predict how their pages will be ranked. Consequently a market has emerged for the optimization of search engine results. Here we study the accuracy with which PageRank can be approximated by in-degree, a local measure made freely available by search engines. Theoretical and empirical analyses lead to conclude that given the weak degree correlations in the Web link graph, the approximation can be relatively accurate, giving service and information providers an effective new marketing tool.

研究动机与目标

• 探究仅使用局部信息（入度）是否能可靠地近似全局权威度指标PageRank。
• 开发一种实用且低成本的方法，仅从入度估算PageRank，以支持搜索引擎营销和网络策略制定。
• 量化在不同网页群体中，入度作为PageRank代理指标的准确性和可靠性。
• 为信息提供者提供一种工具，用于估算达到期望搜索排名所需入链数量。
• 通过使小型组织能够基于数据做出明智决策，无需依赖专有工具，从而实现公平竞争。

提出的方法

• 基于具有相同入度的节点的平均PageRank，提出一种PageRank的平均场近似方法。
• 推导出在弱度-度相关性假设下，平均PageRank与入度之间关系的自洽方程组。
• 使用WebBase和WebGraph项目的真实网络图数据，对平均场模型进行实证验证。
• 采用两步查询程序：(1) 查询某一主题以获取前n名结果，(2) 记录第n名结果的入度作为基准。
• 将第n名排名页面的入度用作实现该主题前n名排名所需入链数量的下限。
• 量化近似方法中的波动情况，以评估其在实际应用中的可靠性和局限性。

实验结果

研究问题

• RQ1 在代表性网络样本中，入度与PageRank的相关性有多强？
• RQ2 是否可以仅依靠入度的局部知识，无需全局图结构信息，准确近似PageRank？
• RQ3 在实际排名预测中，使用入度作为PageRank代理指标的可靠性和误差范围如何？
• RQ4 具有相同入度的页面，其PageRank与平均场近似的偏差程度有多大？
• RQ5 该近似方法能否被信息提供者有效用于估算实现前10名排名所需的入链数量？

主要发现

• 由于网络图中度-度相关性较弱，入度与PageRank的相关性较强，验证了入度作为可靠代理指标的有效性。
• 平均场近似表明，在弱相关性假设下，平均PageRank与入度近似呈线性关系，且具有较小的常数项。
• 实证验证表明，该近似方法能准确预测绝大多数页面的PageRank排序，尤其在高入度页面中表现更优。
• 该方法支持一种简单的两步查询程序，可估算实现特定主题目标排名（如前10名）所需的最少入链数量。
• 具有相同入度的页面，其PageRank波动在中等排名页面中较为显著，但数量级仍可预测。
• 该方法为专有PageRank工具提供了一种实用且低成本的替代方案，使小型组织能够有效规划网络可见性策略。