[論文レビュー] Detecting Hierarchical Ties Using Link-Analysis Ranking at Different Levels of Time Granularity

Hend Kareem, Lars Asker+1 more|arXiv (Cornell University)|Jan 24, 2017

Complex Network Analysis Techniques参考文献 13被引用数 4

ひとこと要約

本稿では、時間分解能に配慮したリンク分析ランク付け手法を提案し、時間的分解能を異なる解像度でランク付けアルゴリズムを適用し、投票による統合により階層的関係（例：マネージャー・サブオーダー、アドバイザー・アドバイジー）を推定する。重み付きエッジ表現を用いることで、Enronメールおよび共同著者関係データセットの両方でベースライン手法を上回る再現率を達成した。

ABSTRACT

Social networks contain implicit knowledge that can be used to infer hierarchical relations that are not explicitly present in the available data. Interaction patterns are typically affected by users' social relations. We present an approach to inferring such information that applies a link-analysis ranking algorithm at different levels of time granularity. In addition, a voting scheme is employed for obtaining the hierarchical relations. The approach is evaluated on two datasets: the Enron email data set, where the goal is to infer manager-subordinate relationships, and the Co-author data set, where the goal is to infer PhD advisor-advisee relations. The experimental results indicate that the proposed approach outperforms more traditional approaches to inferring hierarchical relations from social networks.

研究の動機と目的

• 時間的ダイナミクスを組み込むことにより、社会的ネットワークにおける暗黙の階層的関係を推定するというギャップを埋めること。
• 静的ネットワーク構造を超えて、階層的関係検出の精度を向上させること。
• 時間分解能とエッジ重み付けの影響が、階層的関係推定のランク付け性能に与える影響を評価すること。
• 実世界のデータセット（Enron（マネージャー・サブオーダー）および共同著者関係（アドバイザー・アドバイジー））において、既知の階層的関係を有するデータを用いて手法を検証すること。
• 時間に配慮したランク付けと投票手法が、従来のベースライン手法に比べて再現率を向上させることを示すこと。

提案手法

• Enronでは週単位および月単位、共同著者関係では年単位の複数の時間分解能を用い、リンク分析ランク付け（特にPageRankの変種）を社会的グラフに適用する。
• 時間窓ごとに別々のグラフを構築し、相互作用パターンの変化をモデル化する。
• 時間窓間でのランク付けを集約するための投票方式を用い、最も頻繁に上位にランク付けされたノードを階層的上位者として推定する。
• 重み付きおよび重みなしのグラフ表現を評価：重み付きエッジは相互作用頻度（例：メールの通数や共同著書の数）を反映する。
• 主な評価指標として再現率を用い、真の階層的関係が上位k個のノードに含まれる割合を測定する。
• 時間的ダイナミクスを無視するベースラインと比較し、同じランク付けおよび投票フレームワークを用いる。

実験結果

リサーチクエスチョン

• RQ1 時間分解能を組み込むことで、社会的ネットワークにおける階層的関係推定の精度が向上するか？
• RQ2 時間分解能の選択（例：週単位対月単位）が、階層的関係検出のリンク分析ランク付け性能に与える影響は何か？
• RQ3 相互作用頻度に基づく重み付きエッジの使用が、重みなしエッジよりも階層的関係推定に有効であるか？
• RQ4 時間窓間での投票方式が、推定された階層的関係の信頼性を向上させるか？
• RQ5 実世界のデータセットにおいて、時間に配慮したアプローチは、非時間的ベースラインと比較して再現率で優れているか？

主な発見

• 時間的アプローチと多様な時間分解能分析を用いることで、Enronおよび共同著者関係データセットの両方で、時間的ダイナミクスを無視するベースライン手法を著しく上回った。
• Enronデータセットでは、月単位の時間分解能が週単位よりも高い再現率を示し、両者とも非時間的ベースラインを上回った。
• 両方のデータセットおよびすべての設定において、重み付きエッジ表現が重みなし表現よりも一貫して高い再現率を達成した。
• 共同著者関係データセットでは、年単位の時間分解能と重み付きエッジを用いた時間的アプローチが最高の再現率を達成し、対称的ネットワークにおける時間モデリングの重要性を示した。
• 投票方式は、時間窓間でのランク付けを効果的に統合し、推定された階層的関係の安定性と正確性を向上させた。
• 全体として、提案手法は競争力のある性能を示し、重み付きで時間に配慮したランク付けが、階層的関係推定において最も優れた結果をもたらした。