[论文解读] PageRank centrality and algorithms for weighted, directed networks with applications to World Input-Output Tables

Panpan Zhang, Tiandong Wang+1 more|arXiv (Cornell University)|Apr 6, 2021

Complex Network Analysis Techniques参考文献 37被引用 5

一句话总结

本文提出了一种加权PageRank（WPR）中心性度量方法，用于加权、有向网络，通过可调参数整合边权重、节点强度和节点特定的先验信息。该方法通过修改矩阵的主特征向量高效计算中心性，在合成网络和真实世界的全球投入产出网络（WIONs）中表现优于经典度量方法，揭示了与全球趋势一致的更直观的经济排名。

ABSTRACT

PageRank (PR) is a fundamental tool for assessing the relative importance of the nodes in a network. In this paper, we propose a measure, weighted PageRank (WPR), extended from the classical PR for weighted, directed networks with possible non-uniform node-specific information that is dependent or independent of network structure. A tuning parameter leveraging node degree and strength is introduced. An efficient algorithm based on R program has been developed for computing WPR in large-scale networks. We have tested the proposed WPR on widely used simulated network models, and found it outperformed other competing measures in the literature. By applying the proposed WPR to the real network data generated from World Input-Output Tables, we have seen the results that are consistent with the global economic trends, which renders it a preferred measure in the analysis.

研究动机与目标

• 开发一种中心性度量方法，以在加权、有向网络中同时考虑边权重、节点强度和辅助的节点特定信息。
• 解决经典PageRank忽略边权重和节点特定先验信息的局限性，这些局限可能导致中心性排名产生误导。
• 设计一种高效的计算算法，基于R语言实现，适用于大规模网络，支持在真实系统中的实际应用。
• 在合成网络和真实世界的全球投入产出网络（WIONs）上验证所提出的WPR方法，证明其与经济直觉的更高一致性。

提出的方法

• 提出一种加权PageRank（WPR）公式，通过可调参数θ将经典PageRank扩展为整合边权重和节点特定先验信息。
• 将WPR定义为经过修改的转移矩阵的主特征向量，该矩阵通过节点出强度对边权重进行归一化，并整合节点重要性的先验信息。
• 引入阻尼因子γ ∈ [0,1)，确保收敛性，类似于随机浏览者模型，同时考虑加权边的影响。
• 在R语言中采用迭代幂法算法，高效计算大规模网络的WPR，相关实现已公开发布于wdnet R包中。
• 采用统一框架，对边权重和节点先验信息进行对称处理，实现对强度与先验信息相对影响的灵活控制。
• 将该方法应用于全球投入产出表（WIOTs），以总增加值（TVA）作为先验信息，反映经济重要性。

实验结果

研究问题

• RQ1 与经典PageRank相比，整合边权重和节点特定先验信息在加权、有向网络中如何改善中心性评估？
• RQ2 当应用于全球投入产出网络（WIONs）时，所提出的WPR度量方法是否能更好地反映现实世界的经济动态？
• RQ3 调节参数θ（用于平衡节点强度与先验信息）如何影响最终的中心性排名？
• RQ4 在具有已知结构的合成网络模型中，WPR是否优于现有的扩展PageRank度量方法？
• RQ5 在时间维度上，WPR在多大程度上揭示了更直观且符合经济现实的全球投入产出系统排名？

主要发现

• 2000年，采用TVA作为先验信息的WPR将前10名区域-部门中9个排为美国相关，反映了当时美国在全球贸易中的主导地位。
• 至2007年，中国建筑业（27）在WPR排名中跃升至第9位，与2008年奥运会前政府支持及经济扩张趋势一致。
• 2014年，中国建筑业（27）、制造业（20）、电子业（17）和基础金属业（15）分别位列第1、第6、第7和第10位，反映出其日益增长的经济影响力。
• 美国虽仍具实力，但其主导地位较2000年有所减弱，其主要部门在2014年排名分别为第2、第4和第5位，表明全球经济力量正在转移。
• 引入TVA作为先验信息后，中东和其余地区（ROW）中低增加值区域在前10名中的数量减少，使排名更符合经济现实。
• 在合成网络中，WPR优于经典PageRank及其他扩展度量方法，尤其在捕捉无标度网络和随机块模型中的结构与经济细微差别方面表现更优。