SAN 阅读笔记
目录

第 03 章学习笔记:网络中心性指标

Chapter 03 · 应用导向
先定义“重要”,再选择中心性指标

本章没有“最好”的中心性指标。先回答重要意味着距离接近、递归重要、游走可达、位于关键路径之间,还是对群体价值有边际贡献;再检查图是否有向、连通和可加权。

核心判断 任务语义优先 图条件决定可用指标
观测
图、方向、权重与连通性
目标
按任务定义节点或边的重要性
方法
距离、谱、游走、路径、博弈
失败模式
语义错配或忽略图的适用条件
  1. 01
    解释五类“重要性”

    分别说清距离接近、递归重要、游走可达、路径中介和合作博弈中的边际贡献。

  2. 02
    按任务选择指标

    根据方向、连通性、权重、跨网络可比性与计算预算排除不适用方法。

  3. 03
    重建 PageRank 核心方程

    写出平稳方程与显式解,并解释重启如何保证稳定性。

  4. 04
    条件性使用公理

    把三条公理当作任务约束下的筛查工具,而不是指标总排名。

阶段一

快速掌握

围绕研究问题、贯穿例子和方法选择建立第一遍认知地图。

两遍读完本章

第一遍 45–60 分钟 · 第二遍 60–90 分钟 第一遍建立选择框架,第二遍补齐公式条件与证明

顺序读到“第一遍完成”即可暂停;完整证明与公理逐格验证保留在第二遍,不再阻塞快速掌握。

  • 先看同一张图

    用贯穿例子观察:任务问题一变,“最重要节点”就可能改变。

  • 再选语义与条件

    在指标选择器中确定距离、递归权重、游走到达、路径中介或合作边际贡献,并检查方向、连通性与计算负担。

  • 用选择卡收束

    通过指标选择器掌握五族核心公式、得分解释和主要失效情形,再用易混点排错。

  • 回忆后再深化

    先完成主动回忆;需要严格推导时,再进入第二遍证明实验室。

按原书页序阅读 需要逐页精读时,再打开 6 个停靠点 主题学习无需展开;并排阅读时可把它当作页序索引。
停靠点 原书位置 建议
五族定义 3.1.1–3.1.5,p.46–60 先看每族第一段和同图比较;谱类重点读 PageRank,其他成员按需查阅
PageRank / PPR 3.1.2,p.47–52 精读 (3.4)(3.5);节点相关重启与对偶配 T1/T2
首中时间 3.1.3,p.53–56 抓住不对称与有效电阻对称化 (3.22)
介数 3.1.4,p.56–59 区分最短路、最大流和电流三种路径假设
公理比较 3.2,p.60–62 精读三公理与 Table 3.1;逐格验证按需看 验证补全
应用与出口 3.3–Further Notes,p.62–65 重点看 PPR 半监督学习与边介数社区检测;文献线见 Further Notes 导读

贯穿例子:同一张图为何会有不同的“最重要节点”

考虑无向图

$$ E=\{AB,BC,CA,CD,DE,EF,FD,EG\}. $$

第三章贯穿例子的网络结构 左侧三角形 A、B、C 与右侧三角形 D、E、F 由 C-D 桥连接,叶节点 G 接在 E 上。 ABC DEFG 左侧局部团右侧局部团 C–D:两团之间的桥
同一结构同时包含局部高连接节点、全局桥接位置和叶节点,适合比较不同“重要性”定义。

$A,B,C$ 构成左侧三角形,$D,E,F$ 构成右侧三角形,$C-D$ 连接两个局部团,$G$ 是接在 $E$ 上的叶节点。先不要追求把五族指标全部算完;用这张图反复检查“任务改变时答案是否也会改变”。

问法 本图上的判断 需要的指标语义
谁的直接邻居最多? $C,D,E$ 的度都为 $3$,仅靠度无法区分 局部连接数
谁离全图总体最近? $D$ 到其余节点的距离和为 $9$,小于 $C$ 的 $10$ 与 $E$ 的 $11$ closeness / harmonic
谁控制最多最短路径? 不计端点时,$D$ 位于 $9$ 对节点的最短路上,$C$ 为 $8$ 对,$E$ 为 $5$ 对 最短路介数
哪条边最像社区之间的桥? $C-D$;删去它后左右两部分断开 边介数 / 社区桥接
谁的 PageRank 较高? 在无向图和均匀重启下通常与度高度相关,$C,D,E$ 居前;精确次序仍由 $c$、$\nu$ 和全局路径共同决定 递归重要性 / 游走访问率
在给定合作价值函数后,谁的平均边际贡献最大? 仅凭图还不能回答;必须先定义群体 $S$ 的价值函数 $v(S)$ Shapley / Myerson 值

这个例子刻意让度中心性出现并列:若一个指标已经无法回答任务,就应补充任务语义,而不是继续争论哪个节点“客观上最重要”。读到后面的公式时,可不断回问:该公式在这张图上奖励的是邻居数、距离、访问率、路径位置,还是对给定价值函数的边际贡献?

本章决策地图:中心性指标选择器

按任务选择,而不是寻找统一总排名
先定“重要”的含义,再核对公式与适用边界

先按任务语义定位最接近的一族;任务同时涉及多种“重要性”时,可以跨族比较。术语采用中文公认译名(英文原词),核心公式、适用条件和计算入口全部常显。

距离与局部连接

重要意味着:直接邻居多,或离其他节点近。

节点度node degree
$d_u=\sum_v A_{uv}$;有向图另分 $d_u^-=\sum_v A_{vu}$ 与 $d_u^+=\sum_v A_{uv}$

代表公式;完整定义、变体与适用条件见后文公式卡片。

使用前检查接近中心性要求相应方向可达,通常需(强)连通;调和中心性以 $\infty^{-1}=0$ 处理不连通图。

计算入口度统计;单源或全源最短路径。

递归重要性与谱方法

重要意味着:被重要节点指向,或在传播中获得较高平稳权重。

邻接谱中心性adjacency spectral centrality
$xA=\lambda x$

代表公式;完整定义、变体与适用条件见后文公式卡片。

使用前检查邻接谱与随机游走需检查不可约性或强连通条件;HITS 需检查最大奇异值是否简单及幂迭代初值;PageRank 用重启稳定解;Katz 需满足参数上界。

计算入口主特征向量、奇异向量、幂迭代或线性系统。

游走可达性与首中时间

重要意味着:随机游走从各处到达该节点所需时间短。

期望首中时间expected hitting time / mean first passage time
$E_i[T_j]=e_i^T[I-P_{-j}]^{-1}\mathbf1$

代表公式;完整定义、变体与适用条件见后文公式卡片。

使用前检查(3.20)–(3.22) 需相应方向可达;不连通时改用调和推广或带重启版本,并区分 $i\to j$ 与 $j\to i$。

计算入口对禁忌转移子矩阵求解线性系统。

路径中介性

重要意味着:位于大量关键路径之间,能够连接或控制网络流。

最短路径介数中心性shortest-path betweenness centrality
$C_B(v)=\dfrac1{(n-1)(n-2)}\sum_{s,t:s,t\ne v}\dfrac{\sigma_{st}(v)}{\sigma_{st}}$

代表公式;完整定义、变体与适用条件见后文公式卡片。

使用前检查先说明传播采用最短路径、最大流还是全部电流路径;电流介数仅适用于无向图。

计算入口最短路径计数、最大流/线性规划或拉普拉斯线性系统。

合作博弈中的边际贡献

重要意味着:加入联盟后带来的平均价值增量大。

Shapley 公式下的 Myerson 分配 / Myerson–Shapley 值Shapley value / Myerson value / Myerson–Shapley value
$Y_i(v,G)=\displaystyle\sum_{S\subseteq V\setminus\{i\}}\big(v_G(S\cup\{i\})-v_G(S)\big)\dfrac{|S|!(n-|S|-1)!}{n!}$

代表公式;完整定义、变体与适用条件见后文公式卡片。

使用前检查必须先定义特征函数 $v(S)$;只给网络结构而不给联盟价值,无法确定排名。

计算入口联盟枚举、简单路径计数或近似算法。

比较原则

中心性用于回答明确任务中的相对排序。报告结果时至少同时说明指标定义、方向与权重口径、归一化方式及关键参数;不同定义产生的数值不应被当作同一量纲。

选定指标后再做两步复核。 第一,用 Boldi–Vigna 三条公理检查指标行为是否符合当前任务的必要要求;不满足某条公理不等于指标无效。第二,回到原书应用部分,确认该指标在文献计量、半监督学习、社区检测或其他实际任务中的解释是否成立。

易混点

“重要”不是一个概念

先辨认任务语义,再谈指标排名。

五种语义

距离类关注与其他节点的距离,谱类关注重要性如何递归传播,首中时间类关注随机游走是否容易到达,介数类关注关键路径位置,博弈类关注给定价值函数下的平均边际贡献。

判断规则

同一节点可在不同指标下得到完全不同的排名(Figure 3.1–3.4)。问“哪个指标最好”之前,必须先说明任务所需的“重要性”定义。

谱类的分界线是矩阵与权重分配规则

不要把五个谱类指标理解成同一方法的优劣排序。

矩阵选择

邻接谱中心性取 $M=A$;随机游走中心性(Seeley 指数)取 $M=P=D^{-1}A$,节点权重按出度摊薄给后继,无向图上退化为 $\sigma_i\propto d_i$。

传播规则

PageRank 在随机游走中心性上加入重启;Katz 指数不按出度归一化,而将每条出边对应的权重完整计入(原文称 full endorsement),因此须 $\beta\lt\lambda(A)^{-1}$ 压制发散;HITS 用 $A^TA$ 与 $AA^T$ 产生权威(authority)和枢纽(hub)双指标。

判断规则

比较的是权重怎样传播、是否归一化以及是否重启,而不是“一个比一个好”。

三条公理应按公理读,而不是按指标读

公理是条件性的筛查工具,不是脱离任务的总排名。

规模公理(size axiom)

接近中心性、随机游走中心性(Seeley 指数)和 PageRank 不满足;节点度、Katz 指数和 HITS 只满足团方向;介数中心性只满足环方向。

密度公理(density axiom)

接近中心性(桥两端平局,见“验证补全”第 (c) 格)与介数中心性不满足。

得分单调性公理(score-monotonicity axiom)

接近中心性、随机游走中心性、介数中心性和 HITS 不满足。

如何使用结论

只有调和中心性三条都满足;但“不满足”只有在该公理确实表达当前任务的必要要求时才构成排除理由。PageRank 不满足规模公理,仍是 Web 与文献计量的标配(3.3.1)。

接近中心性与调和中心性的差别在运算顺序

中文术语与英文原词:接近中心性(closeness)、调和中心性(harmonic)。

公式区别

接近中心性是“先求距离和,再取倒数”;调和中心性是“先对每个距离取倒数,再求和”。

不连通时

原书称有向推广 quite straightforward,形式上只需把 $d(v,u)$ 换成有向最短路,但代价是要求强连通;否则接近中心性分母中的 $\infty$ 使指标失效。调和中心性以 $\infty^{-1}=0$ 保留可用性,这也是“验证补全”第 (b) 格的实质。

$E_i[T_j]\ne E_j[T_i]$:首中时间有方向

交换起点与终点,会得到不同的中心性问题。

两个方向

式 (3.20) 衡量“大家到 $j$ 的难易”,式 (3.21) 衡量“$j$ 到大家的难易”,它们是两个不同指标;Figure 3.3 前两个分图的差异全部来自这一方向交换。

对称化

式 (3.22) 改用通勤时间,把两个方向合并,并同时得到有效电阻的度量性质。

$c$ 与 $C$:先确认是概率还是对角矩阵

本处同时包含原书行文歧义与排印错误。

概率口径

式 (3.8) 中 $c(i)$ 是续走概率,对应的重启概率为 $1-c(i)$;原书行文有歧义,应以公式与 Corollary 3.1 为准。

矩阵与校勘

$C=\operatorname{diag}(c(i))$;$K_i(C)$ 在原书式 (3.15) 误排为 $K_i(A)$。

图不连通时,三种修法在全章反复出现

先识别共同修复模式,不必逐族孤立记忆。

调和换序

用于 3.1.1 的调和中心性,以及 3.1.3 首中时间的第一种推广;不可达项按 $0$ 贡献处理。

PageRank 式重启正则化

用于式 (3.7) 的多分量随机游走中心性,以及式 (3.23) 的带重启首中时间。

拉普拉斯接地正则化

3.1.4 使用 $[D-aA]\phi=b$ 与 $[D-A+\beta I]\phi=b$ 改善可解性与条件数。

记忆主线

三种修法分别改变求和顺序、加入全局重启、或正则化线性系统;认出这一层,三族的“推广”段就不用分别硬记。

第一遍主动回忆:合上正文再回答

题 不看正文作答
1 为什么“谁最重要”不是一个脱离任务即可回答的问题?请说出五种不同语义。
2 图不连通时,接近中心性(closeness)、调和中心性(harmonic)和 PageRank 中哪些仍可直接使用,哪些需要修改?
3 不看速查表,写出 PageRank 的平稳方程,并解释 $c<1$ 与重启分布 $\nu$ 的作用。
4 无向连通图上随机游走中心性(Seeley 指数)为什么与度成正比?它与 PageRank 的重启机制有何不同?
5 一个指标不满足 size axiom,能否直接推出该指标“没有用”?还需要补充什么任务前提?
6 在贯穿例子中删去叶节点 $G$ 后,$E$ 的度和介数会怎样变化?这说明两类指标关注的结构有什么不同?
核对答案 · 完成作答后展开 六题的最短答案与回查入口 先用自己的语言作答;答案用于诊断遗漏,不用于替代回忆。

1|核心判断。 指标把“重要”操作化为不同数学对象:距离、递归权重、游走到达、路径中介或联盟边际贡献;任务不同,目标函数就不同。回看指标选择器。

2|不连通图。 传统接近中心性(closeness)需要连通(有向图还需相应可达性);调和中心性(harmonic)可把不可达贡献记为 $0$;PageRank 通过重启得到良定义的平稳分布。回看指标选择器。

3|PageRank。 $\pi=c\pi P+(1-c)\nu$。$c<1$ 使重启持续发生并使平稳解稳定;$\nu$ 决定每次重启从哪些节点重新出发。显式解见 F2。

4|随机游走中心性(Seeley 指数)与 PageRank。 无向图随机游走平稳分布满足 $\sigma_i=d_i/(2m)$;PageRank 另加入由 $c,\nu$ 控制的重启,因此不必等同于度排名。

5|公理筛查。 不能由“不满足某条公理”直接推出指标无用。只有当该公理确实表达当前任务的必要要求时,不满足才构成排除理由。第二遍可回看公理验证补全。

6|删去 $G$。 $E$ 的度由 $3$ 降为 $2$,且它不再是所有“其他节点到 $G$”路径的入口,介数显著下降;度只数直接邻居,介数统计全局路径位置。

第一遍完成 此时应能解释“为什么不同指标会给出不同答案”,而不是背完 26 个公式

若六道回忆题能够用自己的语言回答,可以先离开本章;需要复现推导、核查公理或继续读后续章节时,再进入第二遍。

阶段二

深入理解

把背景工具、符号、定理和证明链放回同一逻辑结构中。

第二遍不再重复五族概念,而是补齐矩阵与马尔可夫链工具、统一符号,并完整核验 PageRank 对偶及三条公理。证明仍全部展开;这里只改变阅读顺序,不删减证明信息。

按需补充:初学者背景

预备知识 · 按需展开 补齐 4 个反复调用的数学工具 Neumann 级数、马尔可夫链、Perron–Frobenius 与图拉普拉斯电网络。

本章默认读者熟悉以下四件工具;它们不出现在原书正文,但每一个都被反复调用:

  1. Neumann 级数与次随机矩阵:$c<1$ 且 $P$ 行随机时 $\lVert cP\rVert<1$,故 $$[I-cP]^{-1}=\sum_{t\ge0}c^{t}P^{t}.$$ 这是本章一切显式矩阵公式的代数引擎:(3.5)(3.11)(3.12)(3.19)(3.23) 全是 $[I-\cdot]^{-1}$ 形。读这些公式时心里展开成级数,"所有路径按 $c^t$ 折扣求和"的图景就自动出现。同一事实在 Ch5 笔记 §7 第 2 条以"次随机矩阵"语言再次出现。
  2. 马尔可夫链平稳分布与返回时间:不可约非周期有限链有唯一平稳分布 $\sigma=\sigma P$;Kac 公式 $E_i[T_i]=1/\sigma_i$(Seeley 指数的第二种解释);遍历定理保证长期访问频率收敛到 $\sigma$——OT-PPR 的定义 (3.9) 合法靠的就是它。
  3. Perron–Frobenius 定理:非负不可约矩阵有唯一最大正特征值,对应分量全正的特征向量(PF 特征向量)。它是"取最大特征值对应特征向量作为中心性"这一操作的全部合法性来源;Katz 指数的参数限制 $\beta<\lambda(A)^{-1}$(保证 (3.17) 的级数收敛)也直接来自它。
  4. 图拉普拉斯与电网络:$L=D-A$ 满足 $L\underline 1=0$,故 Poisson 方程 $L\phi=b$ (3.25) 的解只定到加性常数("接地"一个节点后唯一);Kirchhoff 电流定律 + Ohm 定律逐节点写出就是 $L\phi=b$。有效电阻 $r_{ij}=(E_i[T_j]+E_j[T_i])/(2m)$ 是图上的度量(三角不等式成立),这是 (3.22) "附带好处"的严格内容。博弈类一节需要的合作博弈背景只有一句:Shapley 值 = 按节点加入联盟的边际贡献对所有加入顺序取平均。

核心对象与符号表

符号速查 12 组对象,以及它们在后续章节的角色

这不是进入正文前必须背诵的清单,而是后续公式的常驻参照。遇到符号时直接回查,不再把它隐藏在折叠层中。

符号 含义 本章出处 在后续章节的角色
$A$,$D$,$P=D^{-1}A$ 邻接矩阵、度对角阵、随机游走转移矩阵 3.1.2 与 Ch2 矩阵记号一致;Ch4 谱聚类、Ch5 全部方法的公共记号
$d(v,u)$ $v$ 到 $u$ 的最短路长度 3.1.1 closeness / harmonic 的输入
$\pi$,$\nu$,$c$ PageRank 平稳分布、重启(个性化)分布、续走概率 (3.4)(3.5) Ch5 GL 方法 $\sigma=0$ 端;PPR 相似度(3.3.2)
$C=\mathrm{diag}(c(i))$ 节点相关续走概率对角阵 (3.8) Theorem 3.1 的条件与 $K_i(C)$ 的定义 (3.14)
$\sigma$ Seeley 指数(随机游走平稳分布) (3.3) 无向图上 $\sigma_i\propto d_i$;多分量推广 (3.7)
$\kappa$,$\beta$,$\lambda(A)$ Katz 指数、几何折扣参数、PF 特征值 (3.17)(3.18) 参数限制 $\beta<\lambda(A)^{-1}$;Estrada 变体的母公式
$E_i[T_j]$,$P_{-j}$ $i$ 到 $j$ 的期望首中时间、禁忌转移子矩阵(删第 $j$ 行第 $j$ 列) (3.19) Ch5 LP 失效分析(首中时间 vs 混合时间)
$r_{ij}$,$m$ 有效电阻(通勤时间 $/(2m)$)、边数(总权) (3.22) 对称化的首中时间中心性;图上的度量
$\sigma_{st}$,$\sigma_{st}(v)$ $s$–$t$ 最短路数、其中过 $v$ 者 3.1.4 最短路介数与边介数(→ Ch4 Girvan–Newman)
$m_{st}$,$m_{st}(v)$ $s$–$t$ 最大流及过 $v$ 部分 (3.24) 加权网络介数
$L$,$\phi$,$\tau_{st}(v)$ 图拉普拉斯、电位向量、节点吞吐量 (3.25)(3.26) $L$ 与 Ch4 谱方法、Ch5 拉普拉斯方法是同一矩阵
$v(\cdot)$,$Y_i(v,G)$,$\delta$ 特征函数、Myerson 分配、路径折扣因子 3.1.5 群中心性(Further Notes)的方法入口

关键定理与公理

本章只有 2 个编号对象 + 3 条命名公理。定理卡片按 条件 / 结论 / 用途 / 证明入口 组织;公理卡片列出常用指标的检验结果。

这里的“检验结果”表示指标行为是否符合该公理。只有当这条公理被视为当前任务的必要要求时,结果才构成指标筛选依据;不满足某条公理不表示指标本身无效。

T1 · 定理

Theorem 3.1(direct–reverse OT-PPR 对偶,Avrachenkov et al., 2014a)

#
  • 条件:无向图($A^{T}=A$)、$C=\mathrm{diag}(c(i))$ 各分量非零(且 $[I-CP]$ 可逆,如 $0<c(i)<1$ 时自动成立);$\pi_j(i)$ 为以 $i$ 为个性化节点的 OT-PPR (3.11)。
  • 结论: $$\frac{d_i}{c_iK_i(C)}\,\pi_j(i)=\frac{d_j}{c_jK_j(C)}\,\pi_i(j),\qquad K_i(C)=\frac{1}{e_i^{T}[I-CP]^{-1}\underline 1},\tag{3.13,3.14}$$ 其中 $K_i(C)^{-1}=E_i[\text{两次重启之间的期望步数}]$ (3.15)。
  • 用途:无向图上 PPR 的双向不对称性被完全归约为度数与重启强度——"$i$ 眼中的 $j$"和"$j$ 眼中的 $i$"只差一个可算因子;它是 3.3.2 用 PPR 做相似度时的理论锚点,也给出 (3.11) 的更新方程(renewal)解释。
  • 证明入口:proof-theorem-3-1(原书不证,引 Avrachenkov et al., 2014a;本笔记补证,两步线性代数)。
T2 · 推论

Corollary 3.1(标准 PageRank 的对偶)

#
  • 条件:$A^{T}=A$ 且 $c_i=c\ \forall i$(标准 PageRank)。
  • 结论:$d_i\pi_j(i)=d_j\pi_i(j)$ (3.16)——双向 PPR 之比恰等于度数之比。
  • 用途:PPR 相似度的"对称化依据":无向图上 $\pi_j(i)$ 与 $\pi_i(j)$ 的偏离完全由度解释,做归一化 $\pi_j(i)/d_j$ 即得对称相似度。
  • 证明入口:proof-corollary-3-1(原书仅称"由 (3.13) 直接化简",本笔记补全该一步)。
A1 · 公理

Size axiom(规模公理)

#
  • 内容(Boldi & Vigna, 2014):在 $G_{k,p}$(一个 $k$-团 + 一个有向 $p$-环,互不相连)上,固定 $k$ 时环足够大则环节点应比团节点更重要;固定 $p$ 时团足够大则团节点应更重要。直觉:大而稀疏的社区成员最终应胜过小而密的社区成员,反之亦然。
  • 常用指标的检验结果:完全满足:harmonic;部分满足:degree、Katz、HITS 只满足团方向("only k"),betweenness 只满足环方向("only p");不满足:closeness、Seeley、PageRank 两个方向均不满足("no")。逐格验证见 验证补全。
A2 · 公理

Density axiom(密度公理)

#
  • 内容:在 $D_{k,p}$($G_{k,p}$ 加一条双向桥 $x$–$y$,$x$ 在团、$y$ 在环)上取 $k=p$,桥两端中密侧端点 $x$ 的中心性应严格大于 $y$。直觉:同等规模下,更密社区的成员更重要。
  • 常用指标的检验结果:closeness(桥两端严格平局,见“验证补全”第 (c) 格)与 betweenness 不满足;Table 3.1 中其余列出的指标满足。
A3 · 公理

Score-monotonicity axiom(得分单调性公理)

#
  • 内容:任意图上加一条新有向边 $x\to y$,$y$ 的中心性必上升。直觉:被多指一次永远不吃亏。
  • 常用指标的检验结果:closeness、Seeley、betweenness、HITS 不满足;Table 3.1 中其余列出的指标满足。注意 harmonic 满足它只有两行证明(“验证补全”第 (e) 格)——这正是"换序"带来的稳健性。

完整证明

完整证明 2 张证明卡:一次对称性归约 + 一次直接化简

原书均未展开;这里给出可独立核验的完整链条。证明默认显示,并与前面的定理陈述保持同一阅读层级。

本章原书不给任何证明:Theorem 3.1 外引出处、Corollary 3.1 只称"由 (3.13) 直接化简"。前者补证为短线性代数(可独立核验,非外引资料的搬运),后者补全化简步骤。

完整证明(原书不证,笔记补证)Theorem 3.1(direct–reverse OT-PPR 对偶,式 (3.13))

原书态度:定理署名 (Avrachenkov et al., 2014a),原书未给证明。以下证明是本笔记补证(纯线性代数,可独立核验);外部参考:Avrachenkov, Litvak, Nemirovsky, Smirnova & Sokol (2014a),该文同时给出 LR-PPR 版本的讨论。

证明目标:设 $A^{T}=A$,$C=\mathrm{diag}(c(i))$ 满足 $c(i)>0$ 且 $[I-CP]$ 可逆($0<c(i)<1$ 时 $\lVert CP\rVert_\infty<1$,可逆自动成立)。记 $\pi(i)=K_i(C)\,e_i^{T}[I-CP]^{-1}$(即 (3.11) 取 $\nu=e_i^{T}$),则 $$\frac{d_i}{c_iK_i(C)}\,\pi_j(i)=\frac{d_j}{c_jK_j(C)}\,\pi_i(j).$$

依赖工具:OT-PPR 显式 (3.11) 与 $K_i(C)$ 定义 (3.14);$P=D^{-1}A$;对角矩阵两两可交换;$A^{T}=A$。

证明思路:把 $\pi_j(i)=K_i(C)\,e_i^{T}[I-CP]^{-1}e_j$ 代入后,$K_i(C)$ 恰好消去——(3.13) 等价于矩阵 $DC^{-1}[I-CP]^{-1}$ 的对称性。对称性不好直接看,就取逆:对称可逆矩阵的逆仍对称,而逆矩阵 $CD^{-1}-CD^{-1}ACD^{-1}$ 的对称性只是"对角阵可交换 + $A^{T}=A$"的两行推论。

完整证明:

第 1 步(消去 $K_i(C)$):由 (3.11) 取 $\nu=e_i^{T}$, $$\pi_j(i)=\frac{e_i^{T}[I-CP]^{-1}e_j}{e_i^{T}[I-CP]^{-1}\underline 1}=K_i(C)\,e_i^{T}[I-CP]^{-1}e_j,$$ 其中第二个等号即 (3.14)。代入 (3.13) 左侧: $$\frac{d_i}{c_iK_i(C)}\,\pi_j(i)=\frac{d_i}{c_i}\,e_i^{T}[I-CP]^{-1}e_j=e_i^{T}\,DC^{-1}[I-CP]^{-1}e_j.$$ 同理右侧等于 $e_j^{T}DC^{-1}[I-CP]^{-1}e_i$。记 $M:=DC^{-1}[I-CP]^{-1}$,则 (3.13) $\Longleftrightarrow$ $e_i^{T}Me_j=e_j^{T}Me_i$ 对所有 $i,j$ 成立 $\Longleftrightarrow$ $M$ 对称。

第 2 步($M$ 对称):$D,C$ 为对角阵且 $c(i)>0$,故 $DC^{-1}$ 可逆,于是 $$M=DC^{-1}[I-CP]^{-1}=\big[(I-CP)\,CD^{-1}\big]^{-1}=:N^{-1},\qquad N=CD^{-1}-CP\,CD^{-1}.$$ 代入 $P=D^{-1}A$: $$N=CD^{-1}-CD^{-1}A\,CD^{-1}.$$ 计算转置(对角阵自转置且两两可交换,$A^{T}=A$): $$N^{T}=D^{-1}C-D^{-1}C\,A^{T}CD^{-1}=CD^{-1}-CD^{-1}ACD^{-1}=N.$$ 故 $N$ 对称;$N$ 可逆(题设 $[I-CP]$ 可逆),对称可逆矩阵的逆仍对称,故 $M=N^{-1}$ 对称。由第 1 步,(3.13) 成立。∎

闭合检查:结论用到的假设逐一对账——$A^{T}=A$ 用在 $N^{T}=N$(有向图上 $M$ 一般不对称,对偶失效,与定理所设条件一致);$C>0$ 保证 $C^{-1}$ 存在;$[I-CP]$ 可逆保证 (3.11) 与取逆合法。最后一行确实回到 (3.13) 原式,无遗漏因子。

直觉注记(帮助记忆,非证明的一部分):$K_i(C)^{-1}=e_i^{T}[I-CP]^{-1}\underline 1=\sum_{t\ge0}P_i(\text{前 }t\text{ 步未重启})=E_i[\text{重启前的期望步数}]$(即 (3.15)),因为 $(CP)^t$ 的 $(i,j)$ 元正是"从 $i$ 出发 $t$ 步内未重启且位于 $j$"的概率。于是 (3.13) 读作:双向 PPR 之比 = 度数之比经"重启节奏"修正。

校勘提示:①原书本节行文 "let the random walk restart with probability $c(i)$" 与式 (3.8) $\tilde P=CD^{-1}A+(I-C)\underline 1\nu$ 的代数结构不一致——按公式,$c(i)$ 是继续沿图走的概率(重启概率为 $1-c(i)$);此读法与 Corollary 3.1 "$c_i=c\ \forall i$ 即标准 PageRank"(续走概率 $c$)以及 (3.15) 的期望步数 $1/(1-c)$ 均一致,阅读时以公式为准。②原书 (3.15) 把 $K_i(C)$ 排为 $K_i(A)$,系排版错误,应为 $K_i(C)^{-1}=E_i[\#\text{steps before restart}]$。

完整证明Corollary 3.1(标准 PageRank 的 direct–reverse 对偶,式 (3.16))

证明目标:$A^{T}=A$ 且 $c_i=c\ \forall i$ 时,(3.13) 化简为 $d_i\pi_j(i)=d_j\pi_i(j)$。

依赖工具:Theorem 3.1(本页证明);$P\underline 1=\underline 1$(行随机性)。

完整证明:$c_i=c$ 时 $C=cI$。由 $P\underline 1=\underline 1$, $$(I-cP)\underline 1=(1-c)\underline 1\quad\Longrightarrow\quad[I-cP]^{-1}\underline 1=\frac{1}{1-c}\underline 1,$$ 故对每个 $i$, $$e_i^{T}[I-cP]^{-1}\underline 1=\frac{1}{1-c}\quad\Longrightarrow\quad K_i(cI)=1-c,$$ 与 $i$ 无关。代入 (3.13):两边分母同为 $c(1-c)$,约去即得 $d_i\pi_j(i)=d_j\pi_i(j)$。∎

闭合检查:化简只用"K_i 与 i 无关",而该事实完全来自行随机性——这正是标准 PageRank(各点续走概率相同)比节点相关版本简洁的原因;(3.16) 与 (3.13) 的量纲一致(两侧均为"度 × PPR"),无遗漏常数。

公理验证补全

公理复核 把 Table 3.1 的 7 个代表性格子逐格算清

覆盖 size、density、score-monotonicity 与两种“only”标注。验证过程属于理解公理的核心内容,因此默认显示。

清单 §6 扫描结论:本章没有"留给读者证明"的真正留白;12 处触发句中 11 处为修辞性或图注引导,唯一实质半任务是 Table 3.1 的逐格验证(原书给了结论表,把"为什么"留给读者默会)。登记如下:

# 原句(意译) 文件页 判断 处理
1 "closeness 向有向网络的形式推广相当直接,但缺乏(强)连通性带来问题" 55 修辞性(轻量提示) 易混点 第 4 条一句话说明
2 "Table 3.1 汇总了上述公理对最常用中心性指标的验证" 71 半任务:逐格验证留给读者 proof-check-table-3-1-axiom-cells
3 "有趣的是……只有调和中心性满足全部三条公理" 71 修辞性(结论句) 同上卡的副产物
4–12 "We try to overview…"、"We observe that…"(图 3.1–3.4 观察引导)、脚注 2 等 55–72 修辞性 / 图读法引导 不设卡;图读法已并入“两遍读完本章”的第一遍
公理验证补全Table 3.1 公理验证:7 个代表性格子逐格补验

任务:Table 3.1(Boldi & Vigna, 2014)给出 8 指标 × 3 公理的结论表,原书未逐格论证。下面补验 7 个代表性格子,覆盖三条公理与 "only k" / "only p" 两种部分满足标注。记号:$G_{k,p}$ = $k$-团(双向边)与有向 $p$-环的不相交并;$D_{k,p}$ = $G_{k,p}$ 加双向桥 $x$–$y$($x$ 在团、$y$ 在环);$n=k+p$;团内点记 $u$,环上点记 $v$。

Size 公理四格

(a) Degree × size = "only k":团内点度 $=k-1$(双向口径入度、出度各 $k-1$);有向环上每点入度、出度恒为 $1$(总度恒为 $2$),与 $p$ 无关。团方向:固定 $p$,取 $k\ge3$ 则团节点度 $k-1\ge2>1$(任一计数口径下均严格大于环节点度),满足;环方向:固定 $k\ge3$ 时环节点度恒小于 $k-1$,无论 $p$ 多大都不可能反超——环方向结构性失败,故 "only k"。

(b) Closeness × size = "no":$G_{k,p}$ 不连通,任意节点到另一分量节点的距离为 $\infty$,故 (3.1) 的分母 $\sum_v d(v,u)$ 对每个节点发散,closeness 全为 $0$——任何严格不等式都无从谈起,两方向同时失败。(本格同时说明:closeness 的公理化讨论实质上限定在强连通图上,见“易混点”第 4 条。)

(g) Harmonic × size = "yes"(两个方向):约定 $\infty^{-1}=0$ 后跨分量项全消失。团内点:$h(u)=\frac1{n-1}\sum_{w\ne u}1/d(w,u)=\frac{k-1}{n-1}$(团内 $k-1$ 个距离为 1 的项)。环上点:有向环上到 $v$ 距离为 $d$ 的节点恰有一个($d=1,\dots,p-1$),故 $$h(v)=\frac1{n-1}\sum_{d=1}^{p-1}\frac1d=\frac{H_{p-1}}{n-1},\qquad H_{p-1}=\text{调和数}.$$ 比较归结为 $k-1$ 对 $H_{p-1}$:固定 $k$ 令 $p\to\infty$,$H_{p-1}\to\infty$ ⇒ 环方向成立;固定 $p$ 令 $k\to\infty$ ⇒ 团方向成立。两方向全过。

(f) Betweenness × size = "only p":团内任意两节点有直达边,最短路不经过任何中间点 ⇒ 团内点介数恒为 $0$。有向 $p$-环($p\ge3$)上取 $v$ 的前驱 $s$ 与后继 $t$:$s$ 到 $t$ 的唯一有向路径为 $s\to v\to t$,即最短路径经过 $v$,贡献 $\sigma_{st}(v)/\sigma_{st}=1$ ⇒ 环节点介数 $>0$。于是环方向(固定 $k$,取 $p\ge3$ 即反超 $0$)恒成立;团方向要求团节点介数严格大于环节点,但团节点介数永远是 $0$——结构性失败,故 "only p"。(归一化因子 $1/((n-1)(n-2))$ 对所有点相同,不影响比较。)

Density 公理两格($k=p$)

(c) Closeness × density = "no":$D_{k,p}$ 强连通,closeness 有定义。记 $S_x=\sum_v d(v,x)$、$S_y=\sum_v d(v,y)$。团内非 $x$ 点到 $x$ 距离 $1$、到 $y$ 距离 $2$(经桥);环节点 $z$ 到 $y$ 距离 $d(z,y)$、到 $x$ 距离 $d(z,y)+1$。逐项作差: $$S_x-S_y=\big[(k-1)+1+(p-1)\big]-\big[2(k-1)+1\big]=p-k.$$ $k=p$ 时 $S_x=S_y$——桥两端严格平局,"严格大于"永不成立,故密度公理失败(对所有 $k=p$ 同时失败,不只是个别参数)。

(d) Harmonic × density = "yes":同样逐项计算(桥两侧距离同上), $$(n-1)\big(h(x)-h(y)\big)=\underbrace{(k-1)-\tfrac{k-1}2}_{\text{团侧}}+\underbrace{\sum_{d=1}^{p-1}\Big(\tfrac1{d+1}-\tfrac1d\Big)}_{\text{环侧,望远镜}}=\frac{k-1}2-\Big(1-\frac1p\Big).$$ $k=p$ 时右端 $=\frac{k-1}2-1+\frac1k$:$k\ge3$ 时严格为正($k=3$ 时 $=1/3$);$k=p=2$ 的退化情形("团"为单边、环长为 2)恰为平局,公理的非退化范围 $k=p\ge3$ 内严格成立。

Score-monotonicity 公理一格

(e) Harmonic × score-monotonicity = "yes":在任意图上加新边 $x\to y$。对任意 $v$,$d(v,y)$ 只能减小或不变,故每项 $1/d(v,y)$ 弱增($\infty^{-1}=0$ 的项若变有限则严格增);特别地 $d(x,y)$ 由 $\ge2$(或 $\infty$)降为 $1$,对应项严格增。总和严格增 ⇒ $h(y)$ 严格上升。两行证毕——注意同一论证对 closeness 不适用:(3.1) 先求和,不连通时分母中的 $\infty$ 项使指标恒 $0$,加边前后的比较在退化情形下失去意义,这正是 closeness 在该公理上记 "no" 的根源之一。

闭合检查:7 格结果与 Table 3.1 原文(Degree "only k";Closeness 三 "no";Harmonic 三 "yes";Betweenness "only p")逐一吻合;size 公理的 "only" 标注语义(只满足团方向 / 只满足环方向)由 (a)(f) 两格坐实。未验证的格子(如 PageRank × size "no"、Katz × size "only k")可按同一套路在小图上代入定义复核,留作第二遍阅读的练习。

阶段三

巩固迁移

确认术语无歧义、易混点能解释,并知道结论在后续哪里复用。

术语与跨章链接

术语索引

按五族定位中文术语与英文原词

以下术语均已进入全书术语表。先按本章的任务族定位,再点击查看定义、符号和跨章用法。

跨章链接

这些对象从哪里来,又在哪一章继续使用?

每张卡片只回答“本章对象怎样迁移”,详细的下一步学习顺序留在页末“后续衔接”。

随机图模型:继承矩阵记号

本章没有重定义 $A$、$D$ 与 $P$。

复用关系

$P=D^{-1}A$、邻接矩阵与度对角阵沿用 Ch2 章首记号;Katz/Bonacich 的矩阵形式也使用同一约定。

社区检测:从节点排序转向图的划分

边介数、PPR 与特征向量语言在 Ch4 获得新的任务含义。

方法连接

3.3.3 的边介数删边法对应 Girvan–Newman;PPR 可用于社区归属;谱中心性与谱聚类都使用特征向量,但前者用邻接/转移矩阵的主特征向量排序节点,后者用拉普拉斯的小特征向量切分图。

图半监督学习:PPR、首中时间与广义拉普拉斯汇合

这是第三章最重要的前向连接。

PPR 分类

3.3.2 的相似度规则 $\pi_u(k)=(1-c)\nu_k[I-cP]^{-1}e_u$ 是 Ch5 Label Propagation 的直接先声。

共同工具

LP 解的首中时间(hitting-time)解释直接调用 3.1.3;广义拉普拉斯(Generalized Laplacian)的 $\sigma=0$ 端就是 PPR 闭式。

网络抽样:拿不到完整图时怎样估计中心性?

把“全图可得”的隐含前提改写为统计估计问题。

问题连接

本章指标默认可以访问完整网络;Further Notes 的 Top-$k$ 快速选取与 Ch7 的抽样估计,是大图或残缺图上处理中心性的两条互补路线。

校勘资料 · 按需查阅 OCR 误识与原书排印备忘 只在核对原文或复现公式时需要,不参与本章主线。

校勘备忘(OCR 层,译文与本笔记统一按此处理):式 (3.18) 求和下标 $t$ 被误识为 $0$;HITS 段 "the index a is the left dominant eigenvector" 的 $a$ 被吞成上标;Theorem 3.1 陈述中 "and" 误入数学模式;3.1.4 流量守恒与 3.1.5 公理列表有 <sup> 残留(应还原为 $\forall$、$v(\cdot)$);式 (3.5)–(3.7) 区域 OCR 把一段连贯推导拆成 4 个独立公式块,阅读时应还原为"显式 (3.5) → 分块对角展开 → Laurent 展开 (3.6) → 极限与推广 (3.7)"一条链。

公式卡片

26 个编号公式按用途归为 8 组(卡内展示 18 式,(3.14)(3.15) 见 定理卡 T1,其余散见译文);每组给出 输入 → 输出 → 用途。

F1 · 公式

距离类二式(3.1.1)

#

$$\text{closeness}(u)=\frac{n-1}{\sum_v d(v,u)}\tag{3.1},\qquad \text{harmonic}(u)=\frac1{n-1}\sum_{v\ne u}\frac1{d(v,u)}.$$

  • 输入:最短路距离矩阵。
  • 输出:节点中心性得分。
  • 用途:harmonic 是 closeness 的"换序"稳健版($\infty^{-1}=0$),Table 3.1 唯一三公理全过者。
F2 · 公式

PageRank 定义与显式(3.1.2 核心)

#

\begin{align} \pi=c\pi P+(1-c)\nu\tag{3.4}\\ \Longleftrightarrow\quad\pi=(1-c)\nu[I-cP]^{-1}.\tag{3.5} \end{align}

  • 输入:$P=D^{-1}A$、续走概率 $c$、重启分布 $\nu$。
  • 输出:平稳分布 $\pi$。
  • 用途:$\nu$ 取均匀即经典 PageRank,集中于节点集即 PPR;谱形式 $\pi=\pi(cP+(1-c)\underline1\nu)$ 说明它属于谱类;(3.5) 是 3.3.2 相似度与 Ch5 闭式解共同使用的核心方程。
F3 · 公式

多分量 Seeley 推广

#

\begin{align} [I-cP]^{-1}=\frac1{1-c}\Pi+\mathcal D+\mathrm{o}(1-c)\tag{3.6}\\ \Longrightarrow\quad\sigma=\Big[\tfrac{n_1}n\sigma^{(1)}\ \cdots\ \tfrac{n_m}n\sigma^{(m)}\Big].\tag{3.7} \end{align}

  • 说明:该式是马尔可夫链的 Laurent 展开;$\Pi$ 为遍历投影、$\mathcal D$ 为偏差矩阵——原书与译文记作 $D$,本卡改花体以免与度对角阵混淆;$\sigma^{(i)}$ 为第 $i$ 个强连通分量的平稳分布。
  • 输入:各分量转移矩阵 $P^{(i)}$。
  • 输出:按分量大小加权的全图排名。
  • 用途:$c\to1$ 极限把 Seeley 指数合法地推广到非强连通图;它是"大分量里的大节点更值"的定量依据。
F4 · 公式

节点相关重启与两种 PPR

#

\begin{align} \tilde P=CD^{-1}A+(I-C)\underline1\nu,\tag{3.8}\\ \qquad \pi(\nu)=\frac{\nu[I-CP]^{-1}}{\nu[I-CP]^{-1}\underline1},\tag{3.11}\\ \qquad \rho(\nu)=\nu[I-CP]^{-1}[I-C].\tag{3.12} \end{align}

  • 输入:转移矩阵 $P$、节点相关续走概率矩阵 $C$ 与重启分布 $\nu$。
  • 输出:访问频率型 OT-PPR $\pi$ 与重启位置型 LR-PPR $\rho$。
  • 区分:OT-PPR 数"访问",LR-PPR 数"重启前一刻所在"。
  • 用途:Theorem 3.1 的主角;个性化排名的最一般形式。
F5 · 公式

direct–reverse 对偶(本章定理组)

#

\begin{align} \frac{d_i}{c_iK_i(C)}\pi_j(i)=\frac{d_j}{c_jK_j(C)}\pi_i(j)\tag{3.13}\\ \quad\overset{c_i=c}{\Longrightarrow}\quad d_i\pi_j(i)=d_j\pi_i(j).\tag{3.16} \end{align}

  • 条件:无向图;标准情形进一步要求 $c_i=c$。
  • 输出:direct 与 reverse PPR 的度数加权对偶关系。
  • 用途:无向图 PPR 不对称性的完全刻画;证明见 完整证明。
F6 · 公式

Katz 指数

#

$$\kappa=\underline1^{T}\sum_{t\ge1}\beta^tA^t=\underline1^{T}\big([I-\beta A]^{-1}-I\big),\qquad\beta<\lambda(A)^{-1}.\tag{3.17}$$

  • 输入:邻接矩阵 $A$ 与折扣 $\beta$。
  • 输出:对所有路径进行几何折扣求和的节点得分。
  • 用途:与 PageRank 的分界线是“不按出度摊薄、每条出边的权重均完整计入”;换 Poisson/阶乘折扣得 Estrada communicability,换 $A\to P$ 得 heat kernel PageRank(Further Notes);Brauer 定理把它写成特征值问题,故归入谱类。
F7 · 公式

首中时间族(3.1.3)

#

\begin{align} E_i[T_j]=e_i^{T}[I-P_{-j}]^{-1}\underline1,\tag{3.19}\\ \qquad h_j=\frac{n}{\underline1^{T}[I-P_{-j}]^{-1}\underline1},\tag{3.20}\\ \qquad \tilde h_j=\frac{n}{\underline1^{T}[I-(P^{T})_{-j}]^{-1}\underline1},\tag{3.21}\\ \qquad \bar h_j=\frac{2m}{\sum_i(E_i[T_j]+E_j[T_i])},\tag{3.22}\\ \qquad h_j^{c}=\frac{n}{\underline1^{T}[I-cP_{-j}]^{-1}\underline1}.\tag{3.23} \end{align}

  • 输入:转移矩阵及其禁忌转移子矩阵(taboo transition submatrix)。
  • 输出:"随机游走可达性"得分。
  • 用途:(3.22) 经有效电阻对称化且满足度量性质;(3.23) 处理不连通并改善条件数——同一 $[I-c\,\cdot\,]^{-1}$ 引擎(“初学者背景”第 1 条)。
  • 校勘:本卡符号原沿用 OCR 误识的 $b$ 系列,已按原书统一为 $h/\tilde h/\bar h/h^c$ 系列,并补展示 (3.21)。
F8 · 公式

介数族(3.1.4)

#

\begin{align} \text{流介数}=\frac{\sum_{s,t}m_{st}(v)}{\sum_{s,t}m_{st}},\tag{3.24}\\ \qquad L\phi=b,\ b=\mathbf 1_s-\mathbf 1_t,\tag{3.25}\\ \qquad \text{电流介数}=\frac1{(n-1)(n-2)}\sum_{s,t}\tau_{st}(v).\tag{3.26} \end{align}

  • 输入:(加权)图。
  • 输出:节点或边的路径中介或桥接得分。
  • 用途:最短路介数的最自然两种全路径推广;$L\phi=b$ 与 Ch4 谱方法、Ch5 拉普拉斯方法共用同一个 $L$。

Further Notes 导读

文献出口 · 按需展开 5 条延伸路线,说明读什么以及何时离开本书 公理化刻画、群中心性、Top-k、折扣换元与 PageRank 综述。

本章无习题;Further Notes(印刷页 65)5 条文献指引的读法如下:

  1. 公理化刻画的其他工作(Sabidussi, 1966;Altman & Tennenholtz, 2005;Wąs & Skibski, 2018;Skibski & Sosnowska, 2018):3.2 的三公理只做了"测试",这批文献做的是"刻画"——找一组公理唯一确定某个指标(如 PageRank 的公理化)。读什么:如果“验证补全”让你好奇"harmonic 全过是否意味着它是唯一'正确'的指标",这条线给出严格答案(不是——不同公理体系刻画不同指标)。与后续章关系:本书后文不再展开,属离书进文献的出口。
  2. 群中心性(Everett & Borgatti, 1999 起;Michalak et al., 2013):度量一组节点(部门、社群)而非单点的重要性。关键提醒(原书强调):不能简单把单点中心性求和——这正是 3.1.5 博弈论方法(Shapley/Myerson 按边际贡献分配)自然适用于群中心性的原因。读法:先掌握 3.1.5 的特征函数与边际贡献,再读这批文献。
  3. Top-k 中心节点选取(Avrachenkov et al., 2011, 2014c;Yoshida, 2014;Borassi & Natale, 2019 等):大图上只要前 $k$ 名时的快速算法(近似介数等)。这是"中心性如何规模化计算"的入口,与 Ch7 抽样精神相通(拿不到全网时的估计)。
  4. 折扣换元族(Estrada & Rodriguez-Velazquez, 2005;Estrada & Hatano, 2008;Chung, 2007):Katz 的几何折扣 $\beta^t$ 换成 Poisson/阶乘折扣得 Estrada communicability($\sum_t (\beta A)^t/t!$,指数型),再把 $A$ 换成 $P$ 得 heat kernel PageRank。读法:把它们都看成 公式卡片 F6 的"换折扣函数 / 换矩阵"两次换元,公式族谱立刻清晰。
  5. Gleich (2015) PageRank 综述:PageRank 各种变体与应用的全景图。3.1.2 读完想深入时的首选;与后续章关系:Ch5 的 PPR 用法在本综述中有更系统的展开。

学习检查表:完成标准

学完本章后自查:

  • [ ] 能复述:五族指标各自的"重要性语义"一句话版本,以及每族一个代表指标的定义(不看书复原指标选择器)。
  • [ ] 能写出:(3.1)、(3.4)(3.5)、(3.17) 三组公式,说明每个符号的含义与参数范围($c\in(0,1)$、$\beta<\lambda(A)^{-1}$)。
  • [ ] 能解释:为什么 PageRank 属于谱类指标(谱形式改写 $\pi=\pi(cP+(1-c)\underline1\nu)$);为什么 Seeley 指数在无向图上退化为度排名。
  • [ ] 能证明:Corollary 3.1(由 $P\underline1=\underline1$ 推出 $K_i=1-c$ 与 $i$ 无关);Theorem 3.1 的第 2 步($N=CD^{-1}-CD^{-1}ACD^{-1}$ 对称 ⇒ $M=N^{-1}$ 对称)。
  • [ ] 能陈述:Boldi–Vigna 三公理的内容,并各说出一个不满足该公理的指标;同时能解释“不满足”只在该公理被视为任务必要条件时构成筛选依据(能复算“验证补全”的格子更佳,至少会做 (g) harmonic × size 的 $k-1$ vs $H_{p-1}$ 比较)。
  • [ ] 能判别:给定数据条件(不连通 / 有向弱连通 / 需要路径中介语义 / 需要相对某组节点的相似度),选出合适的指标族与正则化手段(“易混点”第 7 条的三种修法)。
  • [ ] 能定位:3.3.2 的 PPR 分类规则与 Ch5 Label Propagation 的关系;边介数删边法与 Ch4 Girvan–Newman 的关系。

后续衔接

按下一项学习任务离开本章

不必按章节号顺序前进:选择你真正要解决的问题

详细的对象对应关系已集中在跨章链接地图;这里仅保留下一步决策。