ランダムサーファーの定常分布としてのページランク
内容
を 全成分1の行列( = ウェブページ数)とし、 を行確率的なリンク行列とする(ページ はそれが指す各ページへ均等にリンクし、アウトリンクを持たないページは全ページへ一様に送られるとする)。任意の減衰係数 に対して、Google行列 は既約かつ非周期的なマルコフ連鎖の遷移行列であり、したがって上記の基本定理により を満たす一意の定常分布 を持つ——この がまさにページランクベクトルであり、べき乗法 はどの初期推定値からもこれに収束する。
なぜ正しいのか?
これにより、「重要なページは他の重要なページからリンクされる」という曖昧な考えが、一意の解が保証された明確な不動点問題へと変わり、「リンクに沿ってランクを広げる」ことを単に繰り返すべき乗法がなぜ振動したり発散したりせず確実にうまくいくのかが説明される。
証明の概略
既約性。 であるから、 のすべての成分は狭義正である()。したがってどのページからも他の任意のページへ一段階で正の確率で直接跳べる——基礎となるグラフは自明に強連結であり、ゆえに は既約である。
非周期性。どの状態からも( でもあるため自分自身も含め)他のすべての状態へ直接遷移できる連鎖は、あらゆる長さ の帰還時刻を持ち、その最大公約数は1である。したがって は非周期的である。
存在性・一意性・収束性。 は構成上行確率的であり(2つの行確率的行列 と の凸結合 は行確率的である)、既約かつ非周期的であることは今示したとおりなので、有限マルコフ連鎖の基本定理が直接適用できる: を満たす一意の定常分布 が存在し、 は各成分ごとにすべての行が に等しい行列へ収束する。
べき乗法。任意の出発分布 に対して であり、 のすべての行が のとき に収束するので、加重平均 も に収束する——これがまさに、任意の出発ランク(通常は一様分布)から を繰り返し適用すると真のページランクベクトルに収束する理由である。
この定理を使うトピック
ステップごとの証明
この定理のステップごとの証明はまだありません。
参考文献
- David A. Levin, Yuval Peres, Elizabeth L. Wilmer (2017). Markov Chains and Mixing Times
- Sergey Brin, Lawrence Page (1998). The Anatomy of a Large-Scale Hypertextual Web Search Engine
- James R. Norris (1997). Markov Chains