[論文レビュー] Allotaxonometry and rank-turbulence divergence: A universal instrument for comparing complex systems

Peter Sheridan Dodds, Joshua R. Minot+8 more|arXiv (Cornell University)|Feb 22, 2020

Advanced Text Analysis Techniques参考文献 52被引用数 20

ひとこと要約

本稿では、ランクベースの調整可能な指標であるランク乱流分散（RTD）を紹介する。RTDは、 allotaxonometry（ランクランクヒストグラムと成分ごとの分散寄与を統合した動的ダッシュボード）を通じて、言語使用、種の豊度、金融市場など多様な分野における複雑系の間で、強固で解釈可能な比較を可能にする。RTDは温度に類似したパrameter α を用いた解析的チューニングが可能である。

ABSTRACT

Complex systems often comprise many kinds of components which vary over many orders of magnitude in size: Populations of cities in countries, individual and corporate wealth in economies, species abundance in ecologies, word frequency in natural language, and node degree in complex networks. Here, we introduce `allotaxonometry' along with `rank-turbulence divergence' (RTD), a tunable instrument for comparing any two ranked lists of components. We analytically develop our rank-based divergence in a series of steps, and then establish a rank-based allotaxonograph which pairs a map-like histogram for rank-rank pairs with an ordered list of components according to divergence contribution. We explore the performance of rank-turbulence divergence, which we view as an instrument of `type calculus', for a series of distinct settings including: Language use on Twitter and in books, species abundance, baby name popularity, market capitalization, performance in sports, mortality causes, and job titles. We provide a series of supplementary flipbooks which demonstrate the tunability and storytelling power of rank-based allotaxonometry.

研究の動機と目的

• サイズの著しく異なる成分を有する複雑系を比較するための普遍的でランクベースの指標を開発すること。
• ランク付きシステム間の構造的差を要約統計量が捉えきれない問題を解決すること。
• 成分の重要度の変化を明らかにする、視覚的かつ分析的フレームワーク（allotaxonometry）を構築すること。
• ランク付きリスト間の分散を調整可能で分析的根拠を持つ測度として、ランク乱流分散（RTD）を導入すること。
• RTDが言語、生態学、金融など多様な実世界のデータセットにおいて、強固で解釈可能な性能を示すことを実証すること。

提案手法

• RTD は、ランク差に対する感度を制御する調整可能なパrameter α を用いた、2つのランク付きリスト間の分散測度として定義される。
• 本手法は、2つのシステム間のランク遷移を可視化するランクランクヒストグラムを用い、成分の重要度の再配置を捉える。
• allotaxonometry は、ランクランクヒストグラムと分散に寄与する成分のランク付きリストを統合し、構造的変化の視覚的ストーリーテリングを可能にする。
• 分散は、温度の逆数に類似したパrameter α を用いた熱力学的アナロジーにより解析的に導出される。α は、高ランクまたは低ランクの成分に対するシステムの感度を制御する。
• データ誤差や欠落成分に対する性能を評価するため、切り捨て解析とレジリエンスのチェックがフレームワークに組み込まれている。
• フリップブックとインタラクティブな可視化により、異なる α 値における RTD のチューニング可能性と動的挙動が示されている。

実験結果

リサーチクエスチョン

• RQ1 サイズの著しく異なる成分を有する2つの複雑系を、特に成分の分布が多数のオーダーにわたる場合に、体系的に比較する方法は何か？
• RQ2 要約統計量に依存せずに、ランク付きシステム内の構造的再編成を捉える、調整可能で分析的根拠を持つ分散測度とは何か？
• RQ3 視覚的ダッシュボード（allotaxonograph）は、2つのシステム間の成分ごとの寄与を効果的にどのように伝えることができるか？
• RQ4 RTD は、データ誤差、欠落成分、またはシステムの切り捨てに対してどの程度強健であるか？
• RQ5 RTD は言語、生態学、金融、スポーツなど多様な分野に普遍的に適用可能であり、α のチューニングが解釈にどのように影響するか？

主な発見

• ランク乱流分散（RTD）は、温度に類似したパrameter α を用いた、調整可能で解析的に導出された分散測度であり、2つのランク付きリスト間の差を定量化する。
• RTD は、市場時価総額とベビー名のデータセットにおいて、データの摂動、欠落成分、切り捨てに対して強健であることが実証された。
• allotaxonograph は、成分のランク順位の変化に与える影響の大きさを明確に可視化でき、高影響の変化を的確に分離する。
• α = 0 の場合、RTD は高ランクの成分に重点を置くが、α = ∞ の場合、すべてのランクが等しく扱われるため、異なる分析的ニーズに柔軟に対応できる。
• 本手法は、Twitter と本における語の使用、種の豊度、ベビー名のトレンド、スポーツランクなど、多様なシステムの構造的シフトを的確に捉えている。
• フリップブックとインタラクティブな可視化により、RTD が α = 0 または α = ∞ にチューニングされた場合に特に動的で解釈可能なシステム進化のストーリーテリングを可能にすることが示された。