[論文レビュー] Handling oversampling in dynamic networks using link prediction

Benjamin Fish, Rajmonda S. Caceres|arXiv (Cornell University)|Apr 24, 2015

Complex Network Analysis Techniques参考文献 17被引用数 5

ひとこと要約

本稿では、リンク予測性能を指標として用いることで、過剰にサンプリングされた動的ネットワークのノイズ除去のためのタスク駆動型アプローチを提案する。過剰サンプリングを生成的ノイズ過程としてモデル化し、さまざまなウィンドウサイズでのリンク予測を評価することで、意味のある時間的ダイナミクスを回復させ、合成ネットワークおよびReality Mining や Haggle のような実世界のネットワークにおいて、予測精度の向上を示している。

ABSTRACT

Oversampling is a common characteristic of data representing dynamic networks. It introduces noise into representations of dynamic networks, but there has been little work so far to compensate for it. Oversampling can affect the quality of many important algorithmic problems on dynamic networks, including link prediction. Link prediction seeks to predict edges that will be added to the network given previous snapshots. We show that not only does oversampling affect the quality of link prediction, but that we can use link prediction to recover from the effects of oversampling. We also introduce a novel generative model of noise in dynamic networks that represents oversampling. We demonstrate the results of our approach on both synthetic and real-world data.

研究の動機と目的

• 動的ネットワークにおける時間的過剰サンプリングの課題に対処すること。過剰サンプリングはノイズを導入し、ネットワークの進化パターンを歪める。
• 真のネットワークダイナミクスを回復するための、整合的な手法を用いて適切な時間的集約ウィンドウサイズを選択すること。
• リンク予測性能を、最適なウィンドウサイズの選定を導く信号として用い、推論タスクをノイズ除去の駆動要因とすること。
• 時間的順序の誤りやエッジの疎らさを捉えることのできる、動的ネットワークにおける過剰サンプリングノイズの生成的モデルを形式化すること。
• 本手法を合成データおよび実世界の動的ネットワーク（Reality Mining や Haggle データセットを含む）で検証すること。

提案手法

• エッジが真の発生時刻の周辺に分布する生成的プロセスとして過剰サンプリングをモデル化し、誤った時間的順序を導入する。
• 可変なウィンドウサイズ w を用いて、時間帯に分けられたスナップショットの系列として動的ネットワークを表現する。各 w 長さの区間内のエッジを集約する。
• リンク予測アルゴリズム（Adamic-Adar、Katz、Rooted PageRank、グラフ距離）を用いて、各ウィンドウサイズ w の集約ネットワークの品質を評価する。
• リンク予測性能が最大となるウィンドウサイズ w を最適なサイズとし、MCC や正規化類似度などの指標を用いて選定する。
• 複数の実世界データセット（Reality Mining、Haggle）および合成ネットワークに本手法を適用し、頑健性と一般化性能を評価する。
• 統計的正規化と可視化を用いて、異なるアルゴリズムやデータセット間での性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 時間的過剰サンプリングは、動的ネットワークにおけるリンク予測性能にどのように悪影響を及けるか？
• RQ2 リンク予測性能は、ネットワーク進化の正しい時間スケールを特定するための信頼できる信号として機能するか？
• RQ3 時間的順序の誤りやエッジの疎らさを捉えることのできる、動的ネットワークにおける過剰サンプリングノイズの整合的生成的モデルは何か？
• RQ4 異なるウィンドウサイズは、Reality Mining や Haggle のような実世界の動的ネットワークにおけるリンク予測精度にどのように影響するか？
• RQ5 性能が低いリンク予測アルゴリズムは、最適な時間的集約によってどの程度改善可能か？

主な発見

• Reality Mining データセットのBluetoothシーケンスには、過剰サンプリングの明確な兆候が見られ、リンク予測性能が w=14（約2週間）でピークに達しており、安定した時間スケールが示されている。
• セルタワーのシーケンスでは、w=65（約2か月）で性能低下の後、顕著な向上が見られ、月次および学期単位の学術的サイクルと一致している。
• 過剰にサンプリングされたネットワークでは、リンク予測の質が大きなウィンドウサイズで安定し、向上することが示され、細かい時間スケールでは過剰サンプリングが性能を劣化させることを示している。
• Adamic-Adar、Katz、Rooted PageRank のアルゴリズムは、最適なウィンドウサイズを同定する際に強い一致を示し、本手法の頑健性を確認している。
• グラフ距離アルゴリズムは、性能が低いことで知られており、最適なウィンドウサイズを用いても最小限の改善に留まっていることから、一部のアルゴリズムはより良い集約によっても回復できないことが示唆されている。
• 本手法は、Bluetooth、通話、セルタワーのシーケンスを含む多様なネットワークタイプにおいて、意味のある時間的ダイナミクスを回復できており、実世界のネットワーク間で一貫した性能差を示している。