[論文レビュー] Fast generation of simple directed social network graphs with reciprocal edges and high clustering

Christoph Schweimer|arXiv (Cornell University)|Jun 1, 2022

Complex Network Analysis Techniques参考文献 21被引用数 2

ひとこと要約

本論文は、逆方向エッジと高いクラスタリングを有する有向社会的ネットワークグラフを高速かつスケーラブルに生成する手法を提案する。従来のモデルがエッジ再接続に依存するのに対し、本手法は構成モデルに基づくエッジ接続戦略を採用することで、それを改善している。このアプローチにより、実際のTwitterフォロワーグラフとほぼ同一のトポロジー的特徴と感染症拡散ダイナミクスを再現でき、50,000ノードのグラフ生成時間は3日間から4時間未塔に短縮され、10倍の高速化を達成した。

ABSTRACT

Online social networks have emerged as useful tools to communicate or share information and news on a daily basis. One of the most popular networks is Twitter, where users connect to each other via directed follower relationships. Researchers have studied Twitter follower graphs and described them with various topological features. Collecting Twitter data, especially crawling the followers of users, is a tedious and time-consuming process and the data needs to be treated carefully due to its sensitive nature, containing personal user information. We therefore aim at the fast generation of synthetic directed social network graphs with reciprocal edges and high clustering. Our proposed method is based on a previously developed model, but relies on less hyperparameters and has a significantly lower runtime. Results show that the method does not only replicate the crawled directed Twitter graphs well w.r.t. several topological features and the application of an epidemics spreading process, but that it is also highly scalable which allows the fast creation of bigger graphs that exhibit similar properties as real-world networks.

研究の動機と目的

• 高コストかつプライバシーに配慮が必要なデータ収集を回避するため、現実的で高速かつスケーラブルな有向社会的ネットワークグラフの生成ニーズに対応する。
• 特にエッジ再接続ステップに起因する高ランタイムを克服し、合成グラフにおける高いクラスタリングを達成する。
• ノード次数の主要なトポロジカル特徴および次数順位相関を保持することで、Twitterのような実世界のネットワークに類似した合成グラフを保証する。
• アルゴリズム的性質が実データと一致することを保証することで、大規模な合成ネットワーク上での情報または感染症の拡散プロセスの効率的シミュレーションを可能にする。

提案手法

• カイ二乗分布を用いて、各ノードの相関のある逆方向エッジ、インデグリー、アウトデグリーの値をサンプリングし、現実的な次数相関を確保する。
• 構成モデルを用いてエッジを構築：ノードのサンプル次数に基づきスタブを割り当て、ランダムな再接続なしに直接接続する。
• 各ノードの新しい隣接ノードを直接接続することで、クラスタリング係数を効率的に向上させ、後続処理の再接続ステップを回避する。
• エッジ形成時に自己ループと並列エッジを許可しないことで、グラフの単純性を保証する。
• 2段階プロセスを用いる：まず次数をサンプリングし、次にスタブマッチングによりエッジを形成する。計算効率が高く、決定論的である。
• 構成モデルの構造を活用して正確な次数順位相関を維持し、Chung-Luベースの手法よりも忠実度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 より高速なグラフ生成手法は、クラスタリングや次数分布などの実有向社会的ネットワークのトポロジカル特徴を保持できるか？
• RQ2 エッジ再接続ステップを排除することで、ランタイムは著しく短縮されるが、高いクラスタリングと現実的なネットワーク構造を維持できるか？
• RQ3 本手法で生成された合成グラフは、クロールされたTwitterグラフと比較して、実世界の感染症拡散ダイナミクスをどの程度再現できるか？
• RQ4 本手法で生成された合成グラフにおけるインデグリー、アウトデグリー、および逆方向デグリー間の順位相関は、実ネットワークと比較してどの程度正確に保持されているか？
• RQ5 本手法は、100,000ノードなどの大規模グラフを、実世界のネットワークと同等のパフォーマンスと構造的忠実度で生成できるか？

主な発見

• 50,000ノードのグラフ生成時間を複数日間から4時間未満に短縮し、従来モデル比で10倍の高速化を達成した。
• 合成グラフはクロールされたTwitterサブグラフの主要なトポロジカル特徴（平均最短経路長、直径、クラスタリング係数）を最小限のずれで再現した。
• 100,000ノードのグラフにおける最大の弱連結成分の平均クラスタリング係数は0.373であり、Twitterデータで観察された実世界の範囲内に収まった。
• インデグリー、アウトデグリー、および逆方向デグリー間の順位相関（スピアーマンのρ）は、従来モデルよりも正確に保持されており、100,000ノードのグラフではρ1 = 0.598、ρ2 = 0.593、ρ3 = 0.502であった。
• 合成グラフ上での感染症拡散シミュレーション（離散的SIRモデル）は、実際のTwitterサブグラフでのダイナミクスと類似しており、アルゴリズム的忠実度を確認した。
• 本手法は100,000ノード、2740万エッジのグラフを18時間で生成でき、大規模シミュレーションに適した高いスケーラビリティと適性を示した。