[论文解读] Matrices of Forests and the Analysis of Digraphs

Pavel Chebotarev, Rafig Agaev|ArXiv.org|Aug 9, 2005

Topological and Geometric Data Analysis参考文献 31被引用 3

一句话总结

本文引入了生成有根森林的矩阵作为分析有向图（digraph）的新型工具，提供了一个稳健的框架，用于衡量顶点可达性、识别源双连通分量，并对偏好关系或体育竞赛中的备选方案进行排序。主要贡献在于一种归一化的出森林矩阵，该矩阵为信息传播提供了概率解释，并产生与马尔可夫链理论一致的极限分布。

ABSTRACT

The matrices of spanning rooted forests are studied as a tool for analysing the structure of digraphs and measuring their characteristics. The problems of revealing the basis bicomponents, measuring vertex proximity, and ranking from preference relations / sports competitions are considered. It is shown that the vertex accessibility measure based on spanning forests has a number of desirable properties. An interpretation for the normalized matrix of out-forests in terms of information dissemination is given. Keywords: Laplacian matrix, spanning forest, matrix-forest theorem, proximity measure, bicomponent, ranking, incomplete tournament, paired comparisons

研究动机与目标

• 开发一种基于矩阵的框架，利用生成有根森林分析有向图的结构特性。
• 提供一种识别有向图中源双连通分量（基底分量）的方法，特别是对应于偏好关系中最小支配集的分量。
• 提出一种基于森林矩阵的顶点可达性度量，该度量具备理想的数学性质和解释性。
• 从信息在网络中传播的角度，为归一化的森林矩阵提供概率解释。
• 将所提出的排序方法与现有方法（如广义Borda方法）进行比较，突出其在一致性与路径长度敏感性方面的权衡。

提出的方法

• 定义弧权在 (0,1] 范围内的加权有向图，其中子图的权重为其所有弧权重的乘积。
• 引入出森林矩阵 $ J $，其中 $ J_{ij} $ 表示所有以 $ i $ 为根且可到达 $ j $ 的生成出森林的权重之和的归一化值。
• 利用矩阵-森林定理，将最大出森林的总权重与从有向图导出的马尔可夫链的Cesáro极限概率联系起来。
• 将矩阵 $ \widetilde{J} $ 构造为方程组 $ L \widetilde{J} = 0 $ 的解，其中 $ L $ 为有向图的拉普拉斯矩阵。
• 利用对应于每个源双连通分量的正交基向量，推导该方程组的一般解，其分量与各分量中出树形图的总权重成正比。
• 提出 $ \widetilde{J} $ 的列的算术平均值作为初始状态均匀分布时的极限状态分布，从而将该方法与马尔可夫链的遍历性联系起来。

实验结果

研究问题

• RQ1 如何利用生成有根森林识别有向图的源双连通分量（基底分量）？
• RQ2 基于森林矩阵的顶点可达性度量具有哪些性质？其与基于路径的度量相比如何？
• RQ3 归一化的出森林矩阵能否被解释为随机信息传播模型中的概率分布？
• RQ4 与广义Borda方法相比，基于森林矩阵的排序方法在一致性和路径长度敏感性方面表现如何？
• RQ5 最大生成出森林的总权重与有向图上马尔可夫链的极限分布之间存在何种关系？

主要发现

• 由拉普拉斯矩阵和森林结构导出的矩阵 $ \widetilde{J} $ 是方程 $ L \widetilde{J} = 0 $ 的解，其秩为 $ d' $，其中 $ d' $ 为源双连通分量的数量。
• 对应于同一源双连通分量中顶点的 $ \widetilde{J} $ 的列彼此正交且线性无关，构成解空间的一组基。
• 归一化的出森林矩阵 $ J $ 的列和相等，使其可被解释为顶点之间的相对可达性度量。
• 矩阵 $ \widetilde{J} $ 的列的算术平均值，记为 $ x = \frac{1}{n} \widetilde{J} \mathbf{1} $，对应于初始分布均匀的马尔可夫链的极限状态分布。
• 矩阵 $ \widetilde{J} $ 对不属于源双连通分量的顶点赋予零分值，这在长路径排序中可能存在问题，而基于 $ Q(\tau) $ 的方法则无此问题。
• 基于森林的排序方法违反了自洽单调性公理，与基于路径计数的方法类似，而广义Borda方法则满足该公理。