如何优雅的理解PageRank

博客引流

一口气开始别憋气

终于Tex调好了 刚好最近又多次提及PageRank 于是~

目测这一系列 有个两三篇blog

PageRank 是 由佩奇(Larry Page)等人提出 的 Google 最为有名的技术之一
我 乔治 甘拜下风

PageRank 是一种基于随机游走 的 评价网站权值的算法

言而总之 PageRank是一种十分重要的算法 不管在学术界 还是在产业界

Node Similarity & Proximity

在介绍PageRank 需要先来提一下 什么叫节点相似

假设在一个有向图集合G(V, E)中研究两个节点u, v之间的相关性

上图, 我们可以从感性的认识上判断u, v之间的相似高要比u, w之间的相似度要高

那如何来具体定义相似度呢

Common neighbor

我们很容易可以想到 好像 一个节点的邻居集合可以表征这个节点的周围结构

实际上这就是CN算法(common neighbor)

规定$CN(u,v)=nei(u)\cap nei(v)$

Jaccard

单纯的数值对于估计一个节点的相似度 可能存在标准不统一的情况

故jaccard在CN的基础上做了一个归一化的处理

得到$Jaccard=\frac{CN(u,v)}{nei(u)\cup nei(v)}$

Adamic-Adar Index

$Adamic-AdarIndex=\sum \frac{1}{logN(v)}$

当然还可以按计算时用到部分点还是全部点来进行分类

• local
  • Common Neighbors(CN), Jaccard, Adamic-Adar Index
• grobal
  • Personalized PageRank(PPR), SimRank, Katz

事实上 节点相似度在生产过程中有极强的落地场景

尤其是和社交网络分析相关的好友推荐

另外 还可以运用在Top-k的关系发现当中

传言王者荣耀的好友推荐 就是用PPR做的

最后需要提一句 $NodeSimilarity̸=NodeProximity$

一般而言, $sim(u,v)=sim(v,u)$, 但$p(u,v)̸=p(v,u)$

Naive PageRank

$PR(u)=\sum _{v\in N_{in}(u)}^N\frac{1}{N_{out}(v)}PR(v)$

S.t. $PR(u)\ge 0$, $\sum PR=1$

直观上看PR值的计算是一个迭代的过程，通过出度把PR值分配给下游节点

但Naive PageRank在计算的过程中会出现一些问题

$\overrightarrow{PR}=P^T$