[论文解读] PageRank in scale-free random graphs

Ningyuan Chen, Nelly Litvak+1 more|arXiv (Cornell University)|Aug 15, 2014

Stochastic processes and statistical mechanics被引用 6

一句话总结

该论文证明，在大规模、有向的无标度随机图（通过有向配置模型建模）中，PageRank 会收敛到分支树近似中的根节点 PageRank。关键贡献在于，通过求解线性随机不动点方程，首次在理论上精确捕捉了此类网络中 PageRank 得分的幂律行为，将先前基于树的近似方法扩展至具有重尾度分布的有限、现实网络。

ABSTRACT

We analyze the distribution of PageRank on a directed configuration model and show that as the size of the graph grows to infinity it can be closely approximated by the PageRank of the root node of an appropriately constructed tree. This tree approximation is in turn related to the solution of a linear stochastic fixed point equation that has been thoroughly studied in the recent literature.

研究动机与目标

• 为了从理论上解释现实世界无标度网络中 PageRank 得分的幂律行为，其中入度和 PageRank 得分均呈现具有相似指数的重尾分布。
• 为了弥合广泛研究的基于树的 PageRank 近似（通过随机不动点方程）与实际网络中存在环路且非树状结构之间的差距。
• 为了证明有向配置模型（DCM）——一种无标度网络的现实模型——所产生的 PageRank 分布在渐近意义上与分支树上的分布无法区分。
• 为了验证在 DCM 图上进行有限次迭代的 PageRank 算法能良好逼近真实 PageRank，且即使在中等规模图上，树近似依然保持高精度。

提出的方法

• 作者使用有向配置模型（DCM）生成具有预设入度和出度分布的大规模有向随机图，其分布分别服从指数为 α 和 β 的幂律。
• 通过将 DCM 上的 PageRank 过程与以随机选择节点为根的分支过程耦合，构建树近似（TBT），并使用随机不动点方程来建模递归的 PageRank 更新。
• PageRank 的演化通过如下递归方程建模：$ \hat{R}_i^{(n,k)} = \sum_{j \to i} c \hat{R}_j^{(n,k-1)} + (1 - c) $，其中 $ c $ 为阻尼因子，$ j \to i $ 表示指向节点 $ i $ 的入边。
• 在度分布满足温和的变体条件时，作者证明当图规模 $ n \to \infty $ 时，DCM 中典型节点的 PageRank 在分布上收敛于 TBT 的根节点 PageRank。
• 通过数值模拟比较了在不同图规模 $ n $、迭代次数 $ k $ 和阻尼因子 $ c $ 下，DCM 中有限次迭代后的 PageRank 值与 TBT 中的 PageRank，以均方误差（MSE）作为度量标准。

实验结果

研究问题

• RQ1 当超出无限树假设时，无标度网络中 PageRank 得分的幂律行为是否依然成立？
• RQ2 基于随机不动点方程推导出的树近似 PageRank，能否准确捕捉有限、类现实图中的真实 PageRank 分布？
• RQ3 在有向配置模型中，有限次迭代的 PageRank 近似收敛速度如何？与树近似相比表现如何？
• RQ4 阻尼因子 $ c $ 和图规模 $ n $ 如何影响无标度网络中树近似对 PageRank 的准确性？

主要发现

• 当 $ n $ 足够大时，有向配置模型中典型节点的 PageRank 在分布上收敛于分支树的根节点 PageRank，验证了在渐近极限下树近似的有效性。
• 随着 $ n $ 增大，DCM 中有限次迭代 PageRank 与真实 PageRank 之间的均方误差（MSE）减小，当迭代次数 $ k_n = \lfloor \log n \rfloor $ 时，$ n = 10^4 $ 时 MSE 降至 $ \sim 10^{-6} $。
• 树近似保持高度准确：即使在 $ n = 100 $ 时，树根 PageRank 与真实 DCM PageRank 之间的 MSE 始终低于 $ 10^{-3} $，且随 $ n $ 增大而进一步减小。
• 随着阻尼因子 $ c $ 增大，收敛速度变慢，近似误差增加，树近似 MSE 从 $ c = 0.1 $ 时的 $ 3.33 \times 10^{-9} $ 上升至 $ c = 0.9 $ 时的 $ 1.25 \times 10^{-1} $。
• 即使在 $ n = 100 $ 时，DCM 上有限次迭代后的 PageRank 与 TBT 上的 PageRank 的经验累积分布函数（CDF）也几乎无法区分，表明近似具有极强的保真度。