[論文レビュー] Exact ICL maximization in a non-stationary time extension of the latent block model for dynamic networks

Marco Corneli, Pierre Latouche+1 more|arXiv (Cornell University)|Jun 12, 2015

Bayesian Methods and Mixture Models参考文献 5被引用数 3

ひとこと要約

本稿では、二部ネットワークにおけるノードの同時クラスタリングと、定常な相互作用強度を持つ時間間隔への分割を可能にする、潜在的ブロックモデル（LBM）の非定常時系列拡張を提案する。正確な統合完全データ尤度（ICL）を貪欲な探索によって最大化することで、ノードおよび時間のクラスタ数を最適化し、シミュレートされたデータでは真の構造を正確に回復し、実世界の国際会議の相互作用データでは、ランチタイムやレセプション期間といった意味のある社会的活動パターンを同定した。

ABSTRACT

The latent block model (LBM) is a flexible probabilistic tool to describe interactions between node sets in bipartite networks, but it does not account for interactions of time varying intensity between nodes in unknown classes. In this paper we propose a non stationary temporal extension of the LBM that clusters simultaneously the two node sets of a bipartite network and constructs classes of time intervals on which interactions are stationary. The number of clusters as well as the membership to classes are obtained by maximizing the exact complete-data integrated likelihood relying on a greedy search approach. Experiments on simulated and real data are carried out in order to assess the proposed methodology.

研究の動機と目的

• 二部ネットワークにおける時間に依存する相互作用強度を、非定常時系列フレームワークに拡張したLBMによってモデル化すること。
• 時間分割を事前に与えず、ノードクラスタと時間間隔クラスタを同時に推定すること。
• 正確な統合完全データ尤度（ICL）を最大化することで、ノードおよび時間間隔の最適なクラスタ数を同定すること。
• この非定常モデルにおける正確なICL最大化のための貪欲な探索アルゴリズムの開発。

提案手法

• 時間領域を固定長で隣接する時間間隔に分割し、各時間間隔をD個の時間クラスタのうちの1つに割り当てる。この割り当てはD個の時間クラスタに対する多項分布に従う。
• ノードiとjのクラスタ所属関係c_iとw_jは、ノードラベルに対する多項分布でモデル化される。
• 各時間間隔におけるノード間の相互作用回数は、ノードクラスタペア(k,g)と時間クラスタdに依存する強度λ_kgdをもつポアソン分布に従う。
• 同時尤度はモデルパラメータΛとΦの周辺化を経て得られ、共役事前分布とラプラス近似を用いて正確なICLが導出される。
• 正確なICLを最大化するために貪欲な探索アルゴリズムが用いられ、反復的にクラスタ割り当てを改善することで基準を向上させる。
• 本手法は、真の構造が既知のシミュレートデータおよびACM Hypertext 2009会議の実世界のフェース・トゥ・フェース相互作用データに適用された。

実験結果

リサーチクエスチョン

• RQ1 非定常LBMの拡張は、動的二部ネットワークにおける時間に依存する相互作用パターンを効果的に捉えることができるか？
• RQ2 正確なICL最大化を用いた場合、ノードクラスタと時間間隔クラスタの最適な数を同時に推定できるか？
• RQ3 ICL最大化のための貪欲な探索アプローチは、既知のパラメータを持つシミュレートデータにおいて、真のクラスタ構造を信頼性高く回復できるか？
• RQ4 時間クラスタ境界の事前知識なしに、実世界の相互作用データから意味のある時間的活動パターン（例：集まり）を同定できるか？

主な発見

• 貪欲なICL最大化アルゴリズムは、シミュレートデータにおいて真のクラスタ構造を正確に回復し、正確なICL値-122410に収束した。
• ACM Hypertext 2009会議の実世界データでは、23人の人物クラスタと3つの時間クラスタが同定され、ICLは-53217.4に達した。
• 時間クラスタC3は、最も高い相互作用強度を示し、昼食休憩（13:00–15:00）とワイン・チーズレセプション（18:00–19:00）に一致しており、視覚的および分析的検証で確認された。
• モデルは相互作用強度に応じて時間間隔を適切にグループ化し、C1は平均強度が最低でC3が最高であった。非定常的時系列ダイナミクスの検出能力を示した。
• ポアソンパラメータλ_kgdが互いに近い場合でも、本手法は頑健に動作したが、この場合、グローバル最適解への収束がより困難になった。
• 正確なICL最大化による貪欲な探索は、非定常LBMにおけるモデル選択に有効であり、動的ネットワークにおける構造的および時系列的パターンの発見を可能にする。