[論文レビュー] Applications of Structural Balance in Signed Social Networks

Jérôme Kunegis|arXiv (Cornell University)|Feb 27, 2014

Complex Network Analysis Techniques参考文献 50被引用数 26

ひとこと要約

この論文は、構造的バランス理論を用いて、符号付き社会的ネットワークを分析するための新規手法を提案する。符号付きグラフラプラシアンと抵抗距離を活用し、バランスの測定、コミュニティ検出、グラフ描画の改善、リンク予測を行う。主な貢献は、特に符号付きラプラシアンと抵抗距離に基づくリンク予測を含む一連の代数的技法であり、実世界のデータセットにおいてベースライン手法を著しく上回り、Wikipediaの対立データセットではAUCスコアが85％を超える。

ABSTRACT

We present measures, models and link prediction algorithms based on the structural balance in signed social networks. Certain social networks contain, in addition to the usual 'friend' links, 'enemy' links. These networks are called signed social networks. A classical and major concept for signed social networks is that of structural balance, i.e., the tendency of triangles to be 'balanced' towards including an even number of negative edges, such as friend-friend-friend and friend-enemy-enemy triangles. In this article, we introduce several new signed network analysis methods that exploit structural balance for measuring partial balance, for finding communities of people based on balance, for drawing signed social networks, and for solving the problem of link prediction. Notably, the introduced methods are based on the signed graph Laplacian and on the concept of signed resistance distances. We evaluate our methods on a collection of four signed social network datasets.

研究の動機と目的

• 符号付き社会的ネットワーク（エッジが友情と敵対の両方を表す）の実用的分析手法を開発すること。その根拠は構造的バランスの原則に基づく。
• 符号付きクラスタリング係数や代数的対立といった新しい指標を用いて、局所的（三角形レベル）およびグローバル的（スペクトル）スケールで構造的バランスを定量化すること。
• バランスの原則から導かれる符号付きラプラシアン行列を用いて、符号付きネットワークにおけるグラフ描画とコミュニティ検出を改善すること。
• 符号付き抵抗距離の概念を用いて、リンク予測問題を解決し、将来の肯定的または否定的つながりを正確に予測可能にする。

提案手法

• 局所的構造的バランスの測定として、符号付きクラスタリング係数を導入し、ネットワーク内のバランスの取れた三角形の割合を定量化する。
• 符号付きグラフの描画問題から符号付きラプラシアン行列を導出し、バランスの取れた構成が視覚的および数学的に一貫するようにする。
• 符号付きラプラシアン行列を代数的に定義し、対称性および半正定値性を含む主要なスペクトル的性質を証明する。
• 代数的対立（algebraic conflict）をグローバルな不均衡の指標として定義し、符号付きラプラシアン行列の最小固有値として定義する。
• 符号付きラプラシアンをグラフクラスタリング問題に適用し、構造的バランスを尊重するコミュニティ検出を可能にする。
• 符号付きラプラシアンのムーア・ペネローズ逆行列（抵抗距離行列）をカーネルとして用い、リンク予測に活用。ネットワーク構造に基づいて新しい辺の発生確率をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 符号付き社会的ネットワークにおいて、構造的バランスはどのように局所的（三角形）およびグローバル的（スペクトル）スケールで測定可能か？
• RQ2 符号付きラプラシアン行列はグラフ描画の原則から導出可能か？また、それによりコミュニティ検出が改善されるか？
• RQ3 符号付きラプラシアンの最小固有値に基づく代数的対立は、不均衡のグローバルな指標としてどのように機能するか？
• RQ4 符号付き抵抗距離は、標準的手法と比較して、符号付きネットワークにおけるリンク予測の正確性を向上させるか？
• RQ5 隣接行列およびラプラシアン行列の関数に基づくリンク予測アルゴリズムの中で、どの手法が多様な符号付きネットワークデータセットにおいて最も優れているか？

主な発見

• 正規化抵抗距離カーネル（N-Resi）は、Wikipediaの対立データセットで最高のAUCスコア85.04％を達成し、他の手法を上回った。
• Epinionsデータセットでは、正規化抵抗距離カーネル（N-Resi）がAUC78.82％を達成し、評価されたすべての手法の中で最高であった。
• 抵抗距離法（Resi）は、Wikipediaの対立データセットでAUC87.02％を達成し、非常にバランスの取れたネットワークにおいて強い予測力を持つことが示された。
• スラッシュドット・ズー（Slashdot Zoo）データセットでは、指数関数的および正規化ネウマンカーネル手法が最も優れており、AUCはそれぞれ68.98％および67.71％であった。
• 符号付きラプラシアンに基づく手法、特に抵抗距離およびその正規化版は、4つのすべてのデータセットにおいて標準的手法を一貫して上回った。
• 本研究は、構造的バランスが符号付きネットワークにおける強力な組織的原則であることを確認した。代数的グラフ理論を用いることで、新しい肯定的または否定的つながりの正確な予測が可能である。