[論文レビュー] A Dynamic Edge Exchangeable Model for Sparse Temporal Networks

Yin Cheng Ng, Ricardo Silva|arXiv (Cornell University)|Oct 11, 2017

Data Management and Algorithms参考文献 10被引用数 4

ひとこと要約

本稿では、スパースな時系列ネットワークを対象として、スパarsity、時間変動型コミュニティ構造、社会的影響をコンactな潜在空間を通じて同時に捉える動的エッジ交換可能モデル（ATTAS）を提案する。このモデルは、実世界のデータにおいて優れたリンク予測精度と解釈可能なコミュニティ検出を達成し、動的ブロックモデルやベースライン手法を上回るが、パラメータ数が少なく、計算コストも低い。

ABSTRACT

We propose a dynamic edge exchangeable network model that can capture sparse connections observed in real temporal networks, in contrast to existing models which are dense. The model achieved superior link prediction accuracy on multiple data sets when compared to a dynamic variant of the blockmodel, and is able to extract interpretable time-varying community structures from the data. In addition to sparsity, the model accounts for the effect of social influence on vertices' future behaviours. Compared to the dynamic blockmodels, our model has a smaller latent space. The compact latent space requires a smaller number of parameters to be estimated in variational inference and results in a computationally friendly inference algorithm.

研究の動機と目的

• 従来の動的ネットワークモデルが密な接続を仮定しており、時系列ネットワークにおける現実のスパarsityを捉えられていないという限界を解消すること。
• 計算効率の良い方法で、混合所属性を持つ時間変動型コミュニティ構造をモデル化すること。
• 時間経過に伴う頂点行動への社会的影響効果を組み込み、将来の相互作用をよりよく予測できること。
• 動的ブロックモデルよりも小さな潜在空間を有することで、パラメータ数を削減し、推論の効率を向上させること。
• 時間経過に伴い頂点集合が拡大できることを可能とし、現実のネットワークダイナミクスにおける新規エンティティの参加を反映すること。

提案手法

• 各時刻でエッジ交換可能性を用いることで、従来の交換可能モデルに見られる密な接続を避け、自然にスパースなネットワーク構造をサポートする。
• 潜在ガウスマルコフ連鎖を用いて時系列に跨るエッジ交換可能マージナルを結合し、社会的影響および頂点行動の時間的進化をモデル化する。
• ポisson型頂点生成プロセスを採用することで、ネットワークが時間経過に伴い拡大可能となり、固定された頂点集合を必要としない。
• 時間変動型コミュニティ割り当てを伴う混合所属性確率的ブロックモデルフレームワークを採用し、解釈可能な進化するコミュニティ構造を推定する。
• スケーラブルなパラメータ推定のため、コンパクトな潜在空間を活用して計算コストを低減する変分推論を用いる。
• モデルは時系列ネットワークスナップショット上でエンドツーエンドに訓練され、頂点参加パターンに基づき各エッジごとにコミュニティタイプが推定される。

実験結果

リサーチクエスチョン

• RQ1 動的ネットワークモデルは、時系列ネットワークにおいてスパarsity、コミュニティ構造、社会的影響を同時に捉えることができるか？
• RQ2 エッジ交換可能性は、従来のモデルが失敗するスパースな時系列ネットワークのモデル化をどのように可能にするか？
• RQ3 社会的影響を組み込むことで、ランダムウォークや静的モデルと比較して、リンク予測性能がどの程度向上するか？
• RQ4 事前アノテーションがなくても、実世界のデータから解釈可能な時間変動型コミュニティ構造をモデルが推定できるか？
• RQ5 提案モデルのコンパクトな潜在空間は、動的ブロックモデルと比較して、計算効率および予測精度の面でどの程度優れているか？

主な発見

• ATTASモデルは、ENRON、TRADING、COLLEGEデータセットにおいて優れたリンク予測精度を達成し、AUCスコアは0.75から0.85の範囲にのぼり、動的ブロックモデルやベースライン手法を顕著に上回った。
• ENRONデータセットでは、RWベースラインを大幅に上回ったことから、正確な予測のためには社会的影響のモデル化が重要であることが示された。
• モデルは109期米国上院議会投票ネットワークにおいて、実世界の政党所属と整合するコミュニティ構造を成功して推定した。エッジの色は政党に一致するクラスタを反映していた。
• コミュニティのサイズと構成は時間経過とともに変化し、上院議員の行動や政治的結束の変化を反映しており、ブッシュ政権期における共和党政権の支配が顕著に現れた。
• モデルは高い解釈可能性を示した。予測されたエッジは正確であるだけでなく、推定されたコミュニティ所属と関連づけられており、頻度ベースのベースラインとは異なった。
• コンパクトな潜在空間により、推定すべきパラメータ数が削減され、大規模な時系列ネットワークに適した計算効率の高い推論アルゴリズムが実現された。