第四章、图上的节点排序（pagerank）

最新推荐文章于 2025-05-07 19:21:13 发布

原创最新推荐文章于 2025-05-07 19:21:13 发布 · 4.2k 阅读

39 ·

本内容遵循CC 4.0 BY-SA版权协议

本文介绍了如何利用图的结构对网页进行排序，着重讲解了PageRank算法，包括边投票原理、随机游走、死尽头与蜘蛛陷阱的解决方案，以及个性化网页排序和随机重启动。通过矩阵分析和随机邻接矩阵，揭示了网页重要性的计算方法。

图的示例：将Web当作是一个图，其中Web中的网页作为图的节点，Web中的超链接作为图的边。

为什么排序：从直观上看所有的节点并不是同等重要的，我们需要给各个节点的重要性打个分。例如thispersondoesnotexist.com vs. Stanford University 一个是斯坦福大学的网站，一个是个空白网页显然这两个网页不是同等重要的。

如何对节点重要性排序，这肯定要使用图的结构。下面开始我们的节点排序吧！

我们要讲如何使用以下连接分析的方法来计算图中节点的重要性。

网页排序
个性化的网页排序
重新开始的随机游走

边投票（Link As Votes）

边投票：如果一个节点拥有越多的边，那么它就越重要。

我们需要更多的in-coming links还是更多的out-going links？

考虑一个实际情况：

http://www.stanford.edu 拥有23400条in-links，而thispersondoesnotexist.com仅拥有1条。如果按照指入边数量计算，很明显Stanford University 更加重要，这也符合我们原来的设想。

此外，我们还有一个问题，如果只计算in-links那就意味着我们将所有的边都视为都等重要，实际情况不是如此。

重要的节点拥有的out-links更加重要。
而重要的in-links指向的节点也更加重要，这就变成了一个递归问题。

PageRank：The ‘flow‘ Model

节点投票的性质：

每个链接的投票与其来源页面的重要性成正比。
如果网页 $i$ 的重要性为 $r_i$ 拥有 $d_i$ 个out-links，每一out-links边得到的投票权重为 $r_i/d_i$
网页 $j$ 的重要性 $r_j$ 是它所有in-links 的和，即 $r_j=\sum_{i\rightarrow j}{\frac{r_i}{d_i}}$

上面的线性方程组，我们最直接的想法是使用高斯消元法来计算，但是此方法的算法时间复杂度为 $O\left( N^2 \right)$ . 我们一般采用迭代的方式进行求解[1]。

PageRank的矩阵形式

随机邻接矩阵（Stochastic adjacency matrix） $M$

我们假设 $j$ 有 $d_j$ 个out-links
如果存在边，那么权重邻接矩阵
- 即 $M$ 的列之和为1.
Rank Vector ：An entry per page
- $r_i$ 是网页 $i$ 的重要性分数
- $\sum_i{\boldsymbol{r}_i}=\mathbf{1}$
我们可以得到下面的等式（r是矩阵M的特征向量

$\boldsymbol{r}=\boldsymbol{M}\cdot \boldsymbol{r}, r_j=\sum_{i\rightarrow j}{\frac{r_i}{d_i}}$

下面是一个示例：

将随机游走应用到其中

首先想象一个随机的网络冲浪：

在t时刻，冲浪者在网页 $i$ 处
在 $t+1$ 时刻，冲浪者按照网页 $i$ 的out-link随机访问其中一个网页；
最终在与网页 $i$ 有关的一些网页 $j$ 处结束；
多次重复上述过程

让

$p\left( t \right)$ 是一个概率向量，其中向量元素 $t^{th}$ 表示冲浪者在 $t$ 时刻处在网页 $i$ 的概率。
所以说 $p\left( t \right)$ 是一个关于冲浪者在 $t$ 时刻处在各个网页的概率分布。

有了这些概率分布，我们如何进一步研究冲浪者在 $t+1$ 时刻所处的位置？

我们利用邻接矩阵得到下一时刻节点位置的概率 $\boldsymbol{p}(\boldsymbol{t}+\mathbf{1})=\boldsymbol{M}\cdot \boldsymbol{p}(\boldsymbol{t})$
我们假设随机游走到达一个平稳状态，即 $\boldsymbol{p}(\boldsymbol{t}+\mathbf{1})=\boldsymbol{M}\cdot \boldsymbol{p}(\boldsymbol{t})=\boldsymbol{p}(\boldsymbol{t})$ , $\boldsymbol{p}(\boldsymbol{t})$ 是随机游走的平稳分布。
我们原来的排序向量 $r$ 满足 $\boldsymbol{r}=\boldsymbol{M}\cdot \boldsymbol{r}$

按照矩阵论中的知识，我们可以将等式 $\boldsymbol{r}=\boldsymbol{M}\cdot \boldsymbol{r}$ 解释为， $\boldsymbol{M}$ 的特征向量为 $r$ ,特征值为1。现在需要确定的是，矩阵 $\boldsymbol{M}$ 的特征值是否为1，其中

$\boldsymbol{r}=\boldsymbol{M}\cdot \boldsymbol{r}, r_j=\sum_{i\rightarrow j}{\frac{r_i}{d_i}}$

$\boldsymbol{M}$ 的列之和为1，所以 $\boldsymbol{M}$ 的特征值包含1.

综上可以将排序向量 $\boldsymbol{r}$ 解释为随机邻接矩阵 $\boldsymbol{M}$ 的特征值为1的特征向量。我们可以从任一个向量 $u$ 开始， $\boldsymbol{M}(\boldsymbol{M}(...\boldsymbol{M}(\boldsymbol{Mu})))$ 是冲浪者的长期分布。

网页排序=极限分布=的主特征向量
- 注意如果 $r$ 是乘积 $\boldsymbol{M}(\boldsymbol{M}(...\boldsymbol{M}(\boldsymbol{Mu})))$ 的极限，那么 $\boldsymbol{r}$ 满足 $1\cdot \boldsymbol{r}=\boldsymbol{M}\cdot \boldsymbol{r}$ 我们可以使用迭代的形式求出特征向量 $\boldsymbol{r}$ ，即
1. 给向量 $\boldsymbol{r}$ 随机设置非零值
2. 更新参数： $\boldsymbol{r}_{t+1}=\boldsymbol{r}_t-2\boldsymbol{M}^T\boldsymbol{Mr}$ 或者 $\boldsymbol{r}_t_1=\boldsymbol{Mr}_t$
3. 如果 $\left\| \boldsymbol{r}_{t+1}-\boldsymbol{r}_t \right\| <\delta$ 满足，则结束；否则继续重新到2.

网页排序小节：

使用图的边结构测量图中节点的重要性
使用随机邻接矩阵建模一个随机网上冲浪者
求解等式 $1\cdot \boldsymbol{r}=\boldsymbol{M}\cdot \boldsymbol{r}$ ，其中向量 $\boldsymbol{r}$ 被认为是就是随机游走的平稳分布。

下面讨论这里面涉及的三个问题：

$r_{j}^{(t+1)}=\sum_{i\rightarrow j}{\frac{r_{i}^{(t)}}{d_i}}\quad \,\,\mathrm{equivalently} \quad r=Mr$

使用上述的迭代方式求解向量 $\boldsymbol{r}$ 的算法是否收链？
是否收敛到我们想要的？
得到的结果是否是合理的？

我们分析一些特殊问题：

一些网页处在dead ends，即没有out-links不指向其他的网页
1. 这样的网页会导致重要性“泄露”
Spider trap即
1. 这样的网页将会吸收所有的重要性

Spider trap

Dead end

解决Spider solution的方法：

在每一次迭代中随机冲浪者有两个选择
1. 以概率 $\beta$ 执行自己的一个连接（如果只有一个连接，且连接到自身同样执行）
2. 以概率 $1-\beta$ 跳到其他的连接；一般情况下 $\beta$ 的范围为0.8到0.9.
最终冲浪者将在几步内跑出spider solution.

解决Dead ends的方法：

Teleport: 以总概率1跑出Dead ends.

我们已经知道可以用Teleport方法解决dead-ends和spider traps的问题。但是我需要考虑为什么这个两个是个问题？以及为什么Teleport可以解决上述问题？

Spider-traps并不是一个问题，但是我们得到的traps PageRank scores并不是我们想要的。
1. 解决方法：在有限的步骤中转移至其他点。
Dead-ends 是一个问题。矩阵的列并不是列随机的，不满足我们的假设。（这里的列随机（column stochastic）指列之和不等于1）.
1. 解决方法：当无节点可去的时候，通过teleporting使列满足column stochastic.

随机Teleport：

在每一迭代中，随机冲浪者有两个选择（Google’s solution）：

以概率 $\beta$ 停留在原点
以概率 $1-\beta$ 跳到其他随机节点处

Google 矩阵G（上述等式的矩阵表示）：

同样，我们拥有一个递归的等式 $\boldsymbol{r}=\boldsymbol{G}\cdot \boldsymbol{r}$ ，在实际中 $\beta =0.8,0.9$

求解 Pagerank小结：

PageRank 求解 $\boldsymbol{r}=\boldsymbol{Gr}$ ，并且我们可以通过迭代高效地计算向量 $\boldsymbol{r}$
添加随机均匀teleporation能够解决dead-ends和spider traps问题。

重新开始的随机游走以及个性化排序

推荐系统示例：

目标：图邻近。

我们应该给接触了物品 $Q$ 的用户推荐哪些物品？
直觉上来看，如果物品 $P$ 通过许多相似的用户与 $Q$ 产生联系，那么当另一个用户选择物品 $P$ 的时候，我们就可以推荐 $Q$ .

下面的二部图将是我们讲述推荐系统的基础，现在我们需要判定是 $A, A'$ 关联度高还是 $B, B'$ 关联度高。

Proximity on graph

PageRank:

通过重要性来对节点进行排序
以均匀概率传送到网络中的任何节点

Personalized PageRank：

排列节点与传送节点的相似程度

Proximity on graphs

Q: 哪些节点是物品 $Q$ 的对邻近节点？
带有Restarts的随机游走
1. 传送回初始节点： $\boldsymbol{S}=\{\boldsymbol{Q}\}$ （后面将详细说明这个）

主要思路：随机游走

Idea:

每一个节点都有重要性
重要性在所有边缘之间平均分配，并推到相邻的边缘

给定一个请求节点集，模拟一个随机游走：

向随机邻居迈出一步并记录访问(访问计数)
以概率alpha在请求节点集中某个节点重新开始这个随机游走
最高访问数量的节点表示对这个访问节点有最高的相似性。

随机游走算法：

首先给出访问节点集 $Q$ ，设置好这个alpha，具体算法如下，简单来说就是从query_nodes 得到user的集合，然后从user集合中抽取一个用户，再从用户得到nodes集合；这样循环多次，其中这里还涉及到restart的判断，即取一随机数判断这个数是否小于设定的alpha，以确定是否重新开始游走。

下图是随机游走得到的结果：

为什么这是个好的解？
因为这个相似性考虑了：
1. 多重连接
2. 多重路径
3. 直接和非直接路径
4. 节点度

网页排序的变体

网页排序
1. 传送到其他点
2. 节点
特定主题网页排名又名个性化网页排序
1. 传送到一组特定的节点
2. 冲浪者节点可以有不同的概率降落在不同的节点上。
带有Restart的随机游走
1. Topic-Specific PageRank，传送总是到相同的节点;

总结

一个图自然表示成一个矩阵
我们定义了图上的随机游走过程
1. 随机冲浪者通过链接和随机传送来移动
2. 随机邻接矩阵（stochastic adjacency matrix）
网页排序=冲浪者位置的极限分布表示节点的重要性
1. 对应于变换邻接矩阵M的主特征向量

矩阵分解和节点嵌入

Recall：编码器作为嵌入查找

节点嵌入与矩阵分解的联系：

最简单的节点相似：节点 $u,v$ 是相似的，如果他们之间有边相连接。
这意味着： $\mathbf{z}_{v}^{\mathrm{T}}\mathbf{z}_u=A_{u,v}$ 表示图邻接矩阵中第 $\left( u,v \right)$ 位置的元素
因此 $\mathbf{Z}^{\boldsymbol{T}}\mathbf{Z}=\mathbf{A}$

矩阵分解：

嵌入维度 $\boldsymbol{d}$ ，即 $\boldsymbol{Z}$ 的行数，要比节点 $\boldsymbol{n}$ 的个数小的多。
精确的分解 $\mathbf{A}=\mathbf{Z}^{\boldsymbol{T}}\mathbf{Z}$ 通常是不可能的
然而，我们可以学习 $\boldsymbol{Z}$ 的近似分解
目标：
- 我们最优化 $\boldsymbol{Z}$ 以至于它能最小化 $\mathrm{A}-\boldsymbol{Z}^T\boldsymbol{Z}$ 的 $L_2$ 范数
- 在第三章中，我们使用了softmax函数而不是 $L_2$ 范数，不过目标是相同的都是 $\boldsymbol{Z}^T\boldsymbol{Z}$ 逼近 $A$ .
结论：与边相关的节点相似性的内积解码等价于 $A$ 的矩阵分解。

标签

#神经网络 #图嵌入