Monte Carlo Methods for Top-k Personalized PageRank Lists and Name Disambiguation

We study a problem of quick detection of top-k Personalized PageRank lists. This problem has a number of important applications such as finding local cuts in large graphs, estimation of similarity distance and name disambiguation. In particular, we apply our results to construct efficient algorithms for the person name disambiguation problem. We argue that when finding top-k Personalized PageRank lists two observations are important. Firstly, it is crucial that we detect fast the top-k most important neighbours of a node, while the exact order in the top-k list as well as the exact values of PageRank are by far not so crucial. Secondly, a little number of wrong elements in top-k lists do not really degrade the quality of top-k lists, but it can lead to significant computational saving. Based on these two key observations we propose Monte Carlo methods for fast detection of top-k Personalized PageRank lists. We provide performance evaluation of the proposed methods and supply stopping criteria. Then, we apply the methods to the person name disambiguation problem. The developed algorithm for the person name disambiguation problem has achieved the second place in the WePS 2010 competition. Key-words: Personalized PageRank, Monte Carlo Methods, Person Name Disambiguation ∗ INRIA Sophia Antipolis-Méditerranée, France, [email protected] † University of Twente, The Netherlands, [email protected] ‡ INRIA Sophia Antipolis-Méditerranée, France, [email protected] § INRIA Sophia Antipolis-Méditerranée, France, [email protected] ¶ INRIA Sophia Antipolis-Méditerranée, France, [email protected] Les Méthodes Monte Carlo pour Top-k Listes de PageRank Personnalisé avec l’application a disambiguation de noms Résumé : Nous étudions le problème de détection rapide de top-k listes de PageRank Personnalisé. Ce problème a plusieurs applications importantes telles que la recherche des coupes locales de graphes, l’éstimation de la distance de la similarité, et disambiguation de noms. En particulier, nous appliquons nos resultats a construction des algorithmes efficaces pour le problème de disambiguation de noms de personnes. Notre étude est basé sur les deux observations suivantes. D’abord, il est cruciale que nous trouvons rapidement les top-k voisins les plus importants d’un noeud. Cependant, l’ordre exact dans le top-K ainsi que les valeurs exactes de PageRank sont de loin pas si cruciale. Deuxiemement, un petit nombre de elements erronés dans les top-k listes ne degrade pas vraiment la qualite des listes de top-k, mais ce sacrifice améliore significativement la performance des algorithmes. Sur la base de ces deux observations clés nous proposons des méthodes de type Monte Carlo pour la détection rapide de top-k listes de PageRank Personnalisé. Nous offrons l’évaluation des performances des méthodes proposées et nous donnons critères d’arrêt. En suite, nous appliquons les méthodes au problème de disambiguation de noms de personnes. Notre approche basé sur PageRank Personnalisé et les méthodes Monte Carlo a recu le deuxième prix de la compétion WePS 2010. Mots-clés : PageRank Personnalisé, Méthodes Monte Carlo, Disambiguation de Noms de Personnes Monte Carlo Methods for Top-k Personalized PageRank Lists 3