[論文レビュー] Community-based Outlier Detection for Edge-attributed Graphs

Supriya Pandhre, Manish Gupta+1 more|arXiv (Cornell University)|Dec 30, 2016

Anomaly Detection Techniques and Applications参考文献 15被引用数 3

ひとこと要約

本稿では、隠れマルコフランダムフィールド（HMRF）を用いてノードおよびエッジ属性を統合的にモデル化することで、エッジ属性付きグラフにおけるコミュニティベースの外れ値検出手法HCODAを提案する。外れ値を別個のコミュニティとして扱い、EMを用いてパラメータ推定とコミュニティ推論を実行することで、構造的および属性的文脈の両方で逸脱する包括的コミュニティ外れ値（ノードまたはエッジ）を効果的に特定する。合成データおよびDBLP共同執筆データ上でベースライン手法を上回る性能を示した。

ABSTRACT

The study of networks has emerged in diverse disciplines as a means of analyzing complex relationship data. Beyond graph analysis tasks like graph query processing, link analysis, influence propagation, there has recently been some work in the area of outlier detection for information network data. Although various kinds of outliers have been studied for graph data, there is not much work on anomaly detection from edge-attributed graphs. In this paper, we introduce a method that detects novel outlier graph nodes by taking into account the node data and edge data simultaneously to detect anomalies. We model the problem as a community detection task, where outliers form a separate community. We propose a method that uses a probabilistic graph model (Hidden Markov Random Field) for joint modeling of nodes and edges in the network to compute Holistic Community Outliers (HCOutliers). Thus, our model presents a natural setting for heterogeneous graphs that have multiple edges/relationships between two nodes. EM (Expectation Maximization) is used to learn model parameters, and infer hidden community labels. Experimental results on synthetic datasets and the DBLP dataset show the effectiveness of our approach for finding novel outliers from networks.

研究の動機と目的

• 従来の手法がエッジレベルの属性を無視する中で、実世界のネットワークにおいて重要なエッジ属性を考慮しない外れ値検出のギャップを埋める。
• ノード属性だけでなく、関連するエッジのコミュニティ構造から逸脱する、ノード単独またはリンク単独のアプローチでは捉えきれない新しい外れ値を検出する。
• ノード間の複数の関係性を有する異種ネットワークを、ノードおよびエッジの両方の潜在的コミュニティを統合的に推論することでモデル化する。
• 外れ値検出を外れ値が別個のコミュニティを形成するコミュニティ検出問題として定式化することで、包括的外れ値同定を可能にする。
• ノードデータ、エッジ属性、ネットワーク構造を統合する確率的枠組みを構築し、複雑な実世界グラフにおける検出精度を向上させる。

提案手法

• ノード属性、エッジ属性、ネットワークトポロジーを統合的に捉える隠れマルコフランダムフィールド（HMRF）を用いてグラフをモデル化する。
• ノードおよびエッジのコミュニティラベルの結合確率分布を定義し、ノードデータ、エッジ属性、構造的リンクを統合的に組み込む。
• 期待値最大化（EM）アルゴリズムを用い、反復的に隠れコミュニティラベル（ICMを介して）を推定し、ノード、エッジ、クライク項の重みを含むモデルパラメータを学習する。
• HMRFの潜在関数に3つの主要な要素を組み込む：ノード尤度、エッジ尤度、および三角形クライクポテンシャル（局所的なコミュニティの一貫性をモデル化）。
• 共同執筆頻度に基づいてエッジ重みを設定し、エッジからノードへの重みを逆数の共同執筆数で正規化して、局所的な接続性を反映する。
• コミュニティ数K=4（4つの研究分野）に加え、1つの外れ値コミュニティを設定し、パラメータチューニングには1%の外れ値率を用いる。

実験結果

リサーチクエスチョン

• RQ1 ノード属性、エッジ属性、ネットワーク構造を統合的に組み込んだ確率的モデルは、ノードやリンクのみを考慮する手法よりも、外れ値検出をより効果的に行えるか？
• RQ2 エッジ属性の組み込みが、異種ネットワークにおける包括的コミュニティ外れ値検出をどの程度向上させるか？
• RQ3 提案手法であるHMRFベースの手法は、合成および実世界のエッジ属性付きグラフにおいて、ベースラインのコミュニティベース外れ値検出（CODA）をどの程度上回るか？
• RQ4 λ₁（リンク重み）、λ₂（ノード重み）、λ₃（三角形クライク重み）といったハイパーパrameterに対して、この手法はどの程度感受性を示し、最適な設定は何か？
• RQ5 この手法は、実世界の共同執筆ネットワークにおいて、意味的かつ解釈可能な外れ値（例：異分野研究者、異常な共同研究）を特定できるか？

主な発見

• HCODAは合成データセットにおいてベースラインのCODA手法を上回り、外れ値挿入率が変化しても一貫した外れ値検出精度の向上を示した。
• DBLP Four Areaデータセットでは、1%の研究者が外れ値として特定され、上位ランクの候補全員が手動での検証で意味的かつ多様分野の研究者として正当化された。
• Sameer K. AntaniおよびIvo Krkaの研究者が、自身の主要な出版プロファイルとは一致しない分野をまたぐ共同執筆により外れ値として検出された。
• Anindya DattaおよびDebra E. VanderMeerは、主たる研究分野とは異なるトピックでの共同執筆により外れ値として特定され、異常な共同研究の検出能力を裏付けた。
• Sabyasachi Sahaは、人工知能と情報／知識管理の両分野で活発に共同研究していたため、外れ値としてフラグ付けされた。これは、本手法が多分野への関与に敏感であることを示している。
• 本手法はλ₂に対しては頑健であったが、λ₁（リンク重み）に対して最も感受性が高く、低い値がより良い性能を示した。一方、λ₃（クライク重み）は0.5より大きい値で最適な性能を示した。