[論文レビュー] Analyzing Complex Network User Arrival Patterns and Their Effect on Network Topologies.

Michael Fire, Carlos Guestrin|arXiv (Cornell University)|Mar 24, 2016

Complex Network Analysis Techniques被引用数 3

ひとこと要約

本研究は、16.5億件のコメントを含むRedditデータセットを用いて、大規模なソーシャルネットワークにおけるユーザー到着パターン（UACs）を分析し、11,965の進化するソーシャルネットワークを構築した。UACsがネットワークトポロジーに顕著な影響を及ぼすことが示され、トポロジーから元のユーザー到着ダイナミクスを推定可能であることが判明した。これにより、既存の複雑ネットワーク進化モデルはUACsを主要な入力として組み込む必要があることが示された。

ABSTRACT

Complex networks have non-trivial characteristics and appear in many real-world systems. Due to their vital importance in a large number of research fields, various studies have offered explanations on how complex networks evolve, but the full underlying dynamics of complex networks are not completely understood. Many of the barriers to better understanding the evolution process of these networks can be removed with the emergence of new data sources. This study utilizes the recently published Reddit dataset, containing over 1.65 billion comments, to construct the largest publicly available social network corpus, which contains detailed information on the evolution process of 11,965 social networks. We used this dataset to study the effect of the patterns in which new users join a network (referred to as user arrival curves, or UACs) on the network topology. Our results present evidence that UACs are a central factor in molding a network's topology; that is, different arrival patterns create different topological properties. Additionally, we show that it is possible to uncover the types of user arrival patterns by analyzing a social network's topology. These results imply that existing complex network evolution models need to be revisited and modified to include user arrival patterns as input to the models, in order to create models that more accurately reflect real-world complex networks.

研究の動機と目的

• 実世界のソーシャルシステムにおける複雑ネットワークのトポロジカル構造に、ユーザー到着パターン（UACs）がどのように影響を与えるかを調査すること。
• ネットワークのトポロジーが、その構造を形作った背後にあるユーザー到着ダイナミクスを推定できるかどうかを特定すること。
• UACsを考慮しない既存の複雑ネットワーク進化モデルの限界を評価すること。
• 次世代のネットワーク進化モデルを支援するため、大規模かつ公開可能なデータセットからの実証的証拠を提供すること。
• ユーザー行動（到着時刻）とマクロスコピックなネットワーク構造との間のデータ駆動型フレームワークを確立すること。

提案手法

• コメント相互作用を用いて時間経過とともにユーザー間の接続を定義し、Redditデータセットから11,965のソーシャルネットワークを構築した。
• ユーザーの到着を時間経過とともに追跡し、ユーザー到着曲線（UACs）を生成。バースト型や安定的成長などの時間的パターンで分類した。
• 各ネットワークのトポロジカル特性（例：次数分布、クラスタリング係数、経路長）を分析し、UACsに応じた構造的差異を評価した。
• 統計的およびネットワーク解析手法を用いて、UACタイプと特定のトポロジカル特徴の相関関係を分析した。
• 機械学習またはパターン認識手法（推論能力を示唆）を用い、観察されたネットワークトポロジーに基づいてUACタイプを分類した。
• トポロジカル特徴が、多様なネットワークインスタンスにわたりUACパターンを特定する上で一貫性と予測力を持つかどうかを評価した。

実験結果

リサーチクエスチョン

• RQ1 異なるユーザー到着パターン（UACs）は、ソーシャルネットワークのトポロジカル構造にどのように影響を与えるか？
• RQ2 観察されたネットワークのトポロジーから、ユーザー到着パターンの種類を推定できるか？
• RQ3 ユーザー到着パターンが欠落しているために、既存の複雑ネットワーク進化モデルが現実のダイナミクスをどれほどうまく捉えられていないか？
• RQ4 進化するネットワークにおいて、特定のUACタイプを予測するのに最も予測的であるトポロジカルなサインは何か？
• RQ5 UACsは、次数分布、クラスタリング係数、経路長といった主要なネットワーク特性にどのように影響を与えるか？

主な発見

• ユーザー到着曲線（UACs）は、複雑ネットワークのトポロジカル特性を規定する中心的要因である。
• バースト型や安定的成長といった異なるUACパターンは、それぞれ異なるネットワークトポロジーを生み出すため、ユーザー到着ダイナミクスと構造の間に強い因果関係があることが示された。
• ネットワークのトポロジカル特徴を分析することで、ユーザー到着パターンの種類を推定することが可能である。これは、トポロジーが行動的ダイナミクスを暗黙的に保持していることを示唆している。
• 本研究は、既存の複雑ネットワーク進化モデルがUACsを入力パrameterとして組み込むべきであるという実証的証拠を提供した。これにより、現実性が向上する。
• Redditコーパスから得た11,965のネットワークの分析により、UACタイプごとに一貫したトポロジカル差異が確認され、研究の妥当性が裏付けられた。
• 結果は、ユーザー到着ダイナミクスが偶然的要因ではなく、特に大規模なソーシャルシステムにおけるネットワーク進化を理解する上で根幹的であることを示した。