[論文レビュー] Axiomatic Ranking of Network Role Similarity

Ruoming Jin, Victor E. Lee+1 more|arXiv (Cornell University)|Feb 18, 2011

Advanced Graph Neural Networks参考文献 46被引用数 17

ひとこと要約

本稿では、自己同型同値性および三角不等式を含む公理的性質を満たす、実数値の役割類似度メトリックであるRoleSimを提案する。反復的計算手法を用い、全ペairワイズ類似度を計算せずに、閾値θを超える類似度の高いノードペアを効率的に特定できる最適化アルゴリズムであるIceberg RoleSimを導入。実ネットワークおよび合成ネットワークにおいて、高い正確性とスケーラビリティを示した。

ABSTRACT

A key task in social network and other complex network analysis is role analysis: describing and categorizing nodes according to how they interact with other nodes. Two nodes have the same role if they interact with equivalent sets of neighbors. The most fundamental role equivalence is automorphic equivalence. Unfortunately, the fastest algorithms known for graph automorphism are nonpolynomial. Moreover, since exact equivalence may be rare, a more meaningful task is to measure the role similarity between any two nodes. This task is closely related to the structural or link-based similarity problem that SimRank attempts to solve. However, SimRank and most of its offshoots are not sufficient because they do not fully recognize automorphically or structurally equivalent nodes. In this paper we tackle two problems. First, what are the necessary properties for a role similarity measure or metric? Second, how can we derive a role similarity measure satisfying these properties? For the first problem, we justify several axiomatic properties necessary for a role similarity measure or metric: range, maximal similarity, automorphic equivalence, transitive similarity, and the triangle inequality. For the second problem, we present RoleSim, a new similarity metric with a simple iterative computational method. We rigorously prove that RoleSim satisfies all the axiomatic properties. We also introduce an iceberg RoleSim algorithm which can guarantee to discover all pairs with RoleSim score no less than a user-defined threshold $θ$ without computing the RoleSim for every pair. We demonstrate the superior interpretative power of RoleSim on both both synthetic and real datasets.

研究の動機と目的

• 有効な役割類似度測度またはメトリックを定義するための公理的性質のセットを提示すること。
• 自己同型同値ノードが最大類似度を持つことを正しく特定できる実数値の役割類似度メトリックを開発すること。
• 全ペアワイズ類似度を計算せずに、類似度がθ以上であるすべてのノードペアを同定する効率的なアルゴリズムを設計すること。
• 提案されたメトリックの正しさと解釈可能性を、実世界および合成ネットワークデータセット上で検証すること。
• 既存の手法（例：SimRank）が自己同型同値性を保持せず、直感的でないスコアリング行動を示すことを示すこと。

提案手法

• 範囲、最大類似度、自己同型同値性、推移的類似度、三角不等式の5つの公理的性質を提示し、有効な役割類似度メトリックを定義する。
• 反復的に計算される再帰的公式を用いて、複数ホップにわたる近隣類似度を集約する、RoleSimと呼ばれる類似度メトリックを導入。
• RoleSimが5つの公理的性質すべて（三角不等式を含む）を満たすことが形式的に証明され、真のメトリックとしての有効性が保証される。
• ハッシュベースのフィルタリング技術を用いて、全ペアワイズ類似度の計算を回避する最適化アルゴリズムであるIceberg RoleSimを開発。
• 反復処理中に閾値に基づくプルーニング戦略を活用することで、Iceberg RoleSimは類似度スコアがθ以上であるすべてのノードペアを保証的に取得する。
• 高次の近隣構造への影響を制御するパラメータαを採用し、実験により異なるα値においても安定性が確認された。

実験結果

リサーチクエスチョン

• RQ1 役割類似度測度が有効かつ意味を持つために必要な公理的性質は何か？
• RQ2 自己同型同値ノードが最大類似度を持つことを正しく特定できる実数値の役割類似度メトリックを構築できるか？
• RQ3 ペアワイズ役割類似度の計算コストを、正確性を損なわずにどのように低減できるか？
• RQ4 RoleSimは、SimRankやその変種と比較して、構造的同値性をどの程度うまく捉えられるか？
• RQ5 Iceberg RoleSimアルゴリズムはθやαといったパラメータの選択にどれほど敏感であり、順位の整合性をどのように維持するか？

主な発見

• RoleSimは三角不等式を含む5つの公理的性質すべてを満たし、役割類似度の有効なメトリックであることが立証された。
• Iceberg RoleSimは、エッジ密度や閾値θに応じて、類似度行列のサイズを全行列の0.15%～3.5%にまで削減した。
• θ = 0.8およびθ = 0.9の場合、Iceberg RoleSimの順位と全行列順位とのピアソン相関係数はそれぞれ0.823および0.880であり、高い順位正確性を示した。
• Iceberg RoleSimは、標準的なRoleSim計算と比較して10倍以上高速であり、グラフサイズに対して準線形に実行時間が増加した。
• アルゴリズムはα値に対して頑健であり、多くのグラフでα = 0で最良の性能を示したが、中間領域の値でも十分な結果を達成した。
• RoleSimは自己同型同値ノードを最大類似度として正しく特定するが、SimRankは共通の近隣ノードが増えるにつれて性能が劣化する。