统计学习方法-PageRank算法-读书笔记

1、前言

PageRank算法是图链接分析的代表算法，属于图数据上的无监督学习方法。
算法的基本思想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算法表示这个马尔可夫链的平稳分布。

2、PageRank定义

理想定义：有向图需要满足强连通且非周期性的条件。
一般定义:给定一个含有n个结点的任意有向图，在有向图上定义一个一般地随机游走模型，即一阶马尔可夫链。一般地随机游走模型的转移矩阵由两部分的线性组合组成。一部分是有向图的基本转移矩阵M，表示从一个结点到其连出的所有结点的转移概率都是1/n，线性组合系数为阻尼因子d。这个一般随机游走的马尔可夫链存在平稳分布，记作R。定义平稳分布向量R为这个有向图一般PageRank
$$R=dMR+\frac{1-d}{n}1$$
决定，其中1是所有分量为1的n维向量。

3、PageRank迭代算法

输入：含有n个结点的有向图，转移矩阵M，阻尼因子d，初始向量R0
输出：有向图的PageRank向量R
（1）t=0
（2）计算$R_{t+1}=dM{R}_t+\frac{1-d}{n}1$
（3）如果$R_{t+1}$与$R_t$充分接近，停止迭代
（4）否则，t=t+1,跳转到（2）

3.1幂法

幂法是一个常用的PageRank计算方法，通过近似计算矩阵的主特征值和主特征向量求得有向图的一般PageRank。
主特征值是指绝对值最大的特征值，著特征向量是其对应的特征向量。
$$R=(dM+\frac{1-d}{n}E)R=AR$$
计算一般PageRank的幂法
输入：含有n个结点的有向图，转移矩阵M，阻尼因子d，初始向量x0,计算精度$ϵ$
输出：有向图的PageRank向量R
（1）令t=0，选择初始向量x0
（2）计算有向图的一般转移矩阵A
$$A=dM+\frac{1-d}{n}E$$
（3）迭代并规范化结果向量
$$y_{t+1}=A{x}_t$$
$$x_{t+1}=\frac{y_{t+1}}{||y_{t+1}||}$$
（4）当$||x_{t+1}-x_t||<ϵ$时，R=xt停止迭代
（5）否则，t=t+1执行（3）
（6）对R进行规范化处理（使其分量和为1），使其表示概率分布。

3.2代数算法

代数算法通过一般转移矩阵的逆矩阵计算求有向图的一般PageRank。
$$R=dMR+\frac{1-d}{n}1$$
$$(I-dM)R=\frac{1-d}{n}1$$
$$R=(I-dM{)}^{-1}\frac{1-d}{n}I$$
这里的I是单位矩阵，当0<d<1时，线性方程组的解存在且唯一。这样可以通过求逆矩阵得到有向图的一般PageRank.