[論文レビュー] Forming Compatible Teams in Signed Networks

Ioannis Kouvatis, Konstantinos Semertzidis+3 more|arXiv (Cornell University)|Jan 1, 2020

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

ひとこと要約

本稿は、正の関係（友人）と負の関係（敵）の両方を考慮した符号付きソーシャルネットワークにおける、新しいチーム形成問題を提示する。著者らは、構造的バランス理論に基づき、チームメンバー間の適合性を定義するヒューリスティックなアルゴリズムを提案し、通信効率と適合性を優先する。実験により、適合性に配慮した選択が、特に厳しい適合性定義下でチームの結束性を顕著に向上させることを示しており、LCMD（最小適合距離）がチームコストを最小化しつつも高い成功確率を維持する最適な戦略であることが明らかになった。

ABSTRACT

The problem of team formation in a social network asks for a set of individuals who not only have the required skills to perform a task but who can also communicate effectively with each other. Existing work assumes that all links in a social network are positive, that is, they indicate friendship or collaboration between individuals. However, it is often the case that the network is signed, that is, it contains both positive and negative links, corresponding to friend and foe relationships. Building on the concept of structural balance, we provide definitions of compatibility between pairs of users in a signed network, and algorithms for computing it. We then define the team formation problem in signed networks, where we ask for a compatible team of individuals that can perform a task with small communication cost. We show that the problem is NP-hard even when there are no communication cost constraints, and we provide heuristic algorithms for solving it. We present experimental results with real data to investigate the properties of the different compatibility definitions, and the effectiveness of our algorithms.

研究の動機と目的

• 既存のチーム形成研究が正の社会的つながりのみを仮定しているというギャップを埋めるために、符号付きネットワークにおける負の（敵対的）関係を組み込む。
• 構造的バランス理論を用いて符号付きネットワークにおけるユーザーの適合性を形式化し、互いに適合する者だけがチームに編成されることを保証する。
• 適合性と通信コストの両立を図る効率的なヒューリスティックアルゴリズムの開発。
• 実世界の符号付きネットワークデータセットを用いて、異なる適合性定義とアルゴリズムの有効性を評価する。
• 標準的手法と比較して、適合性に配慮したチーム形成が、より結束的で効果的なチームを生み出すことを示す。

提案手法

• 構造的バランスに基づき、ノードを結ぶ経路を通じて適合性を推定する適合性関係 $Comp$ を定義する。負のエッジが偶数個含まれる経路は適合性を示す。
• 通信コストを最小化しつつ、すべてのチームメンバーが互いに適合していることを保証するというNP困難な最適化問題として、符号付きネットワークにおけるチーム形成（TFSN）問題を形式化する。
• LCMD（最小適合距離）とLCMC（最小適合メンバー）の2つのヒューリスティックアルゴリズムを提案。これらは反復的に、現在のチームに最も適合するか、最も近いユーザーを選択する。
• Epinions、Slashdot、Flixster、Friendsterの4つの実世界の符号付きネットワークデータセットを用い、タスクサイズと適合性定義の変化に応じたアルゴリズムの性能を評価する。
• ベースラインとしてランダム選択戦略を実装し、適合性に配慮した選択の影響を評価する。
• 符号付きネットワークの符号なしバージョン（負のエッジを無視または削除）にTFSNフレームワークを適用し、標準的なチーム形成手法とのパフォーマンスをベンチマークする。

実験結果

リサーチクエスチョン

• RQ1 構造的バランス理論を用いて、符号付きネットワークにおけるユーザー間の適合性をどのように形式的に定義できるか？
• RQ2 異なる適合性定義（例：DPE、DNE、SPO、SBP_H）がチーム形成の成功確率に与える影響は何か？
• RQ3 適合性と通信コストを優先するヒューリスティックアルゴリズムは、符号付きネットワークにおける効果的なチーム形成にどのように寄与するか？
• RQ4 標準的手法と比較して、適合性に配慮したチーム形成は、チームの結束性を高め、通信コストを低減するのに顕著に効果的か？
• RQ5 タスクサイズと適合性定義の厳密さに応じて、チーム形成の成功確率はどのように変化するか？

主な発見

• TFSN問題は、通信コストを無視してもNP困難であることが確認され、適合性制約を組み込むことの計算的困難さが裏付けられた。
• LCMDアルゴリズムは、LCMCおよびランダム選択と比較して、チーム通信コストを最小化する点で優れている。全適合性定義において平均直径が最小であった。
• k=5スキルの場合、NNEおよびSBP_H適合性定義下で、適合チームの形成成功率が最も高かった。一方、より厳しい定義（SPO、SPA）では、解けるタスク数が減少した。
• 適合スキルカバレッジの最大値（MAX）は上限として機能し、LCMDはこの上限に非常に近い値を達成しており、適合チームの発見における高い効率性を示している。
• 符号付きネットワークを符号なしに変換したバージョンに対して標準的なチーム形成を適用した場合、大多数のチームが適合せず、符号付きネットワークに特化したフレームワークの必要性が浮き彫りになった。
• タスクサイズが増加するにつれ、SPOやSPAのようなより厳しい適合関係では成功率が急激に低下したが、NNEおよびSBP_Hでは安定したままだった。これは、これらの定義がスケーラビリティに優れていることを示している。