重访至目标节点的个性化 PageRank

个性化 PageRank(PPR)是图挖掘与网络分析中广泛使用的节点邻近度度量。给定源节点 $s$ 与目标节点 $t$,PPR 值 $\pi(s,t)$ 表示从 $s$ 出发的随机游走终止于 $t$ 的概率,因而指示了 $s$ 与 $t$ 之间的双向重要性。现有工作大多聚焦于单源查询,即要求给定源节点 $s$ 与每个节点 $t \in V$ 的 PPR 值。然而,单源查询仅反映了各节点 $t$ 相对于 $s$ 的重要性。本文中,我们考虑{\em 单目标 PPR 查询},它度量 PPR 重要性的相反方向。给定目标节点 $t$,单目标 PPR 查询要求每个节点 $s\in V$ 到给定目标节点 $t$ 的 PPR 值。我们提出 RBS,一种以最优计算复杂度回答近似单目标查询的新算法。我们展示了 RBS 改进了三个具体应用:重命中者 PPR 查询、单源 SimRank 计算以及可扩展图神经网络。我们开展实验证明,在真实基准数据集上,RBS 在效率与精度方面均优于最先进的算法。