[論文レビュー] A Review of Dynamic Network Models with Latent Variables

Bomin Kim, Kevin Lee+2 more|arXiv (Cornell University)|Nov 13, 2017

Complex Network Analysis Techniques被引用数 3

ひとこと要約

本稿は、潜在変数を組み込んだ動的ネットワークモデルについて包括的なレビューを提供しており、主に潜在空間モデル（LSM）と確率的ブロックモデル（SBM）に焦点を当てている。静的モデルから動的モデルへの進化を概説し、幾何的配置やコミュニティクラスタリングを通じて観察されないネットワーク構造を解明する能力に注目するとともに、計算、可視化、連続時間モデル化における主な課題を強調している。

ABSTRACT

We present a selective review of statistical modeling of dynamic networks. We focus on models with latent variables, specifically, the latent space models and the latent class models (or stochastic blockmodels), which investigate both the observed features and the unobserved structure of networks. We begin with an overview of the static models, and then we introduce the dynamic extensions. For each dynamic model, we also discuss its applications that have been studied in the literature, with the data source listed in Appendix. Based on the review, we summarize a list of open problems and challenges in dynamic network modeling with latent variables.

研究の動機と目的

• 潜在変数を組み込んだ動的ネットワークモデル、特にLSMとSBMに焦点を当てた構造的レビューを提供すること。
• 静的潜在変数モデルからの動的拡張の発展をたどり、手法の進化と相互関係に注目すること。
• 社会的ネットワーク、引用ネットワーク、生態系など、多様な分野におけるこれらのモデルの実世界応用を要約すること。
• 大規模ネットワークや連続時間動的ネットワークに対する潜在変数モデルの推定における計算スケーラビリティ、高次元または時間発展する潜在構造の可視化、連続時間動的モデルの必要性といった、未解決問題を特定・議論すること。
• データソースの収集と推定・同定可能性に関するメソッド論的課題の概説を通じて、今後の研究を支援すること。

提案手法

• ノードを潜在的なR次元空間内の点として表現する静的潜在空間モデル（LSM）をレビューし、エッジの発生確率がユークリッド距離に依存することを説明する。
• 時間発展する潜在的位置を時系列的ダイナミクスでモデル化する動的LSM拡張を導入し、人気度や活動度の効果を含む。
• 時間変動する潜在要因と相互作用効果を組み込む動的双線形モデルおよび重力モデルを検討する。
• ノードを観察されないブロックに割り当て、ブロック固有のエッジ確率を持つ静的スチュアティックブロックモデル（SBM）をレビューする。
• 時間変動するコミュニティ所属と接続パラメータを許容する動的SBMの変種を提示し、混合所属形式を含む。
• 有向ネットワークを用いてモデルの関係を要約し、静的モデルがどのように動的拡張を生み出したかを示す。

実験結果

リサーチクエスチョン

• RQ1 動的潜在空間モデルは、時間発展するネットワーク構造を捉えるために、静的モデルをどのように拡張しているか？
• RQ2 時間変動するコミュニティ所属と接続性を許容する動的スチュアティックブロックモデルにおける主なメソッド論的進歩は何か？
• RQ3 大規模または連続時間動的ネットワークに対する潜在変数モデルの推定において、主な計算的・統計的課題は何か？
• RQ4 非潜在的代替手法と比較して、潜在変数モデルは複雑なネットワークデータの解釈可能性と可視化をどのように向上させるか？
• RQ5 特にスケーラビリティと連続時間ダイナミクスの観点から、潜在変数を有する動的ネットワークのモデリングにおける未解決問題は何か？

主な発見

• 動的潜在空間モデルは、時間発展する潜在的位置をモデル化することで、ノードの時間的移動を可視化できるようになり、ネットワーク構造の時間的進化を効果的に捉えることができる。
• 時間変動する所属を許容する動的スチュアティックブロックモデルは、進化する社会的ネットワークや共同作業ネットワークにおけるコミュニティのシフトをより現実的にモデル化可能である。
• 計算が依然として主要なボトル neck である：潜在空間モデルの尤度評価はO(T×N²)のスケーリングを示し、数え千を超えるノードを有するネットワークでは実用的でない。
• スチュアティックブロックモデルはラベル割り当てにおけるNP困難性を抱えるが、変分法により数千ノードのネットワークへの適合が可能である。
• 可視化は2次元または3次元の投影に限定されており、T ≥ 50の時間ステップにおける動的ネットワークの可視化は依然として大きな課題である。
• 大多数の動的潜在変数モデルは離散時間型であり、連続時間ネットワークデータの増加にかかわらず、連続時間モデルの開発は限定的である。