[论文解读] PageRank for ranking authors in co-citation networks

Ying Ding, Erjia Yan+2 more|arXiv (Cornell University)|Dec 22, 2010

Complex Network Analysis Techniques被引用 28

一句话总结

本文提出在信息检索共引网络中使用不同阻尼因子的PageRank及加权PageRank来对作者进行排名。研究发现，采用不同阻尼因子的PageRank与引用排名具有强烈相关性，而h指数和中心性度量则表现出微弱相关性，证明PageRank在书目网络中评估作者影响力方面具有有效性。

ABSTRACT

Google's PageRank has created a new synergy to information retrieval for a better ranking of Web pages. It ranks documents depending on the topology of the graphs and the weights of the nodes. PageRank has significantly advanced the field of information retrieval and keeps Google ahead of competitors in the search engine market. It has been deployed in bibliometrics to evaluate research impact, yet few of these studies focus on the important impact of the damping factor (d) for ranking purposes. This paper studies how varied damping factors in the PageRank algorithm can provide additional insight into the ranking of authors in an author co-citation network. Furthermore, we propose weighted PageRank algorithms. We select 108 most highly cited authors in the information retrieval (IR) area from the 1970s to 2008 to form the author co-citation network. We calculate the ranks of these 108 authors based on PageRank with damping factor ranging from 0.05 to 0.95. In order to test the relationship between these different measures, we compare PageRank and weighted PageRank results with the citation ranking, h-index, and centrality measures. We found that in our author co-citation network, citation rank is highly correlated with PageRank's with different damping factors and also with different PageRank algorithms; citation rank and PageRank are not significantly correlated with centrality measures; and h-index is not significantly correlated with centrality measures.

研究动机与目标

• 探究PageRank中阻尼因子对共引网络中作者排名的影响。
• 评估加权PageRank相较于标准PageRank是否能提高作者排名的准确性。
• 将PageRank结果与引用排名、h指数和中心性度量等传统指标进行比较。
• 评估PageRank作为识别信息检索领域有影响力的作者的书目学工具的可靠性与一致性。

提出的方法

• 从1970年代至2008年构建信息检索领域108位高被引作者的共引网络。
• 应用阻尼因子在0.05至0.95之间的标准PageRank计算作者排名。
• 实现一种加权PageRank变体，以考虑引用强度和网络拓扑结构。
• 通过统计相关性分析，将PageRank结果与引用排名、h指数和网络中心性度量进行比较。
• 使用19页和7幅图展示结果，并在不同阻尼因子设置下验证模型。

实验结果

研究问题

• RQ1 在共引网络中，PageRank的阻尼因子变化如何影响作者排名？
• RQ2 与标准PageRank相比，加权PageRank在多大程度上提高了作者影响力评估的准确性？
• RQ3 PageRank结果与引用排名和h指数等传统书目指标的相关性如何？
• RQ4 在该共引网络背景下，中心性度量是否与引用排名或PageRank显著相关？

主要发现

• 阻尼因子在0.05至0.95之间的PageRank在所有测试值下均与引用排名表现出强烈且一致的相关性。
• 引用排名与采用不同阻尼因子的PageRank结果显著相关，表明该方法具有稳健性。
• PageRank与网络中心性度量无显著相关性，表明仅靠中心性可能无法有效反映学术影响力。
• h指数与中心性度量之间无显著相关性，凸显了传统指标与基于网络的中心性之间存在脱节。
• 加权PageRank在考虑引用权重的排名过程中提供了关于作者影响力的额外洞察。
• 本研究证实，采用优化阻尼因子的PageRank在共引网络中为传统书目指标提供了一种可靠且细致的替代方案。