PageRank 算法介绍（斯坦福 CS224W《图机器学习》学习笔记）

本文是斯坦福 CS224W《图机器学习》课程 (2021) by Jure Leskovec ¹ PageRank部分的学习笔记。

1. 简介

PageRank是一种由搜索引擎利用网页间超链接计算网页重要度的算法，常被称为网页排名、谷歌左侧排名。该算法是以Google公司创始人拉里·佩奇（Larry Page）的姓氏命名的，作为网页排名的重要要素之一。事实上，PageRank 可以定义在任意有向图上，后来被应用到社会影响力分析、文本摘要等多个问题。

虽然PageRank算法本身并不复杂，但它在搜索引擎领域的影响非常大，甚至至今仍在影响着Google的搜索结果。Google每天都会在整个网络图中计算PageRank。在搜索引擎优化（SEO）领域，PageRank算法被广泛应用，用来评估网页的优化效果。通过优化网页的超链接结构（link structure）和链接质量，可以提升网页的PageRank值，从而提高网页在搜索结果中的排名。

原论文：《The PageRank Citation Ranking: Bringing Order to the Web》
论文链接：http://ilpubs.stanford.edu:8090/422/1/1999-66.pdf

2. 基本理念

PageRank算法的基本想法是在有向图上定义一个随机游走模型，即一阶马尔可夫链，描述随机游走者沿着有向图随机访问各个结点的行为。PageRank表示这个马尔可夫链的平稳分布，每个结点的平稳概率值就是其PageRank值，它对每个网页给出一个正实数，表示网页的重要程度，整体构成一个向量，PageRank值越高，网页就越重要，在互联网搜索的排序中可能就被排在前面。PageRank 是递归定义的，PageRank 的计算可以通过迭代算法进行。

一个网页，如果指向该网页的PageRank值越高，随机跳转到该网页的概率也就越高，该网页的PageRank值就越高，这个网页也就越重要。PageRank值依赖于网络的拓扑结构，一旦网络的拓扑(连接关系)确定，PageRank值就确定。

PageRank 的计算可以在互联网的有向图上进行，通常是一个迭代过程。先假设一个初始分布，通过迭代，不断计算所有网页的PageRank值，直到收敛为止。

3. 模型

Web可以看作是一个有向图，由网页和超链接组成。在这个图中，每个网页被视为一个节点（Node），每个超链接被视为一条有向边（Edge），这些有向边描述了网页之间的引用关系，即一个网页指向其他网页的情况。

每个节点都包含着一些超链接 (hyperlinks)，这些链接可以分为入链 (incoming links) 和出链 (outgoing links)。通常来说，入链比出链更为重要。此外，对于每个入链而言，来自important pages的链接比普通页面的链接更有价值。这意味着评估网页的重要性是一个$\text{递归问题}$。

3.1 The “Flow” Model

• If page $i$ with importance $r_i$ has $d_i$ out-links, each link gets $r_i/d_i$ votes.

• Page $j$'s own importance $r_j$ is the sum of the votes on its in-links $r_j=r_i/3+r_k/4$

• Then $j$ splits its importance equally to its out-links, which is the idea of the flow model of PageRank.

Figure 1

• A page is important if it is pointed to by other important pages.
• Define “rank” $r_j$ for node : $$r_j=\sum _{i\to j}\frac{r_i}{d_i}\text{\hspace{1em}(1)}$$
  Where $d_i$ is the out-degree of node $j$.
  ​

Figure 2: The web in 1839

“Flow” equations for this web:

1. $r_y=r_y/2+r_a/2$
2. $r_a=r_y/2+r_m$
3. $r_m=r_a/2$

你可能会想：我们就用高斯消元法来求解这个线性方程组吧。 Bad idea！因为它不Scalable。一种更elegant且scalable的方法是使用矩阵。

3.2 Matrix Formulation

我们现在把graph表示为一个随机邻接矩阵 Stochastic adjacency matrix 𝑴（转移矩阵）

Figure 3: 转移矩阵M, i 行 j 列 = 1/3

• 我们让 page $j$ 有 $d_j$ 个出链 (out-links)，如果 j → i j \rightarrow i