[論文レビュー] Key User Extraction Based on Telecommunication Data (aka. Key Users in Social Network. How to find them?)

Piotr Bródka|arXiv (Cornell University)|Feb 6, 2013

Complex Network Analysis Techniques参考文献 30被引用数 4

ひとこと要約

本修士論文では、通信データを用いた大規模なソーシャルネットワークにおいて、キーユーザーを時間的に効率よく特定する手法を提案し、ノードの中心性を評価するための新しい「社会的役割」指標を導入している。本研究では、従来の中心性指標と比較し、3つのアルゴリズムを評価しており、社会的役割がミリオンノード・ミリオンエッジのネットワークにおけるリアルタイム応用において、高い正確性とスケーラビリティを示している。

ABSTRACT

The number of systems that collect vast amount of data about users rapidly grow during last few years. Many of these systems contain data not only about people characteristics but also about their relationships with other system users. From this kind of data it is possible to extract a social network that reflects the connections between system's users. Moreover, the analysis of such social network enables to investigate different characteristics of its members and their linkages. One of the types of examining such network is key users extraction. Key users are these who have the biggest impact on other network members as well as have big influence on network evolution. The obtained about these users knowledge enables to investigate and predict changes within the network. So this knowledge is very important for the people or companies who make a profit from the network like telecommunication company. The second important thing is the ability to extract these users as quick as possible, i.e. developed the algorithm that will be time-effective in large social networks where number of nodes and edges equal few millions. In this master thesis the method of key user extraction, which is called social position, was analyzed. Moreover, social position measure was compared with other methods, which are used to assess the centrality of a node. Furthermore, three algorithms used to social position calculation was introduced along with results of comparison between their processing time and others centrality methods.

研究の動機と目的

• 通信データから得られる大規模ソーシャルネットワークにおけるインフルエンサーを特定すること。
• 数百万ノードおよびエッジを含むネットワークを処理できる時間効率の高いアルゴリズムの開発。
• 提案された社会的役割指標と既存の中心性指標の性能を評価・比較すること。
• キーユーザー検出における計算効率と正確性のトレードオフを分析すること。
• 通信事業者がネットワークの進化を予測し、サービスを最適化するために実用的な応用を可能にすること。

提案手法

• 社会的役割指標は、ノードの接続パターンに基づいてそのネットワーク内での構造的役割を評価する複合中心性指標として定義される。
• 社会的役割の計算に向け、3つの異なるアルゴリズムを実装した：ブルートフォース法、貪欲近似法、ハイブリッド最適化手法。
• 処理時間とスケーラビリティを測定するために、合成データおよび実際の通信データセット上でアルゴリズムを評価した。
• 比較のベンチマークとして、次数中心性、媒介中心性、固有ベクトル中心性などの中心性指標が用いられた。
• 社会的役割指標は、局所的およびグローバルなネットワーク特性を統合することで、ノードのネットワークダイナミクスへの影響をよりよく反映する。
• パフォーマンス評価は、実行時間効率、キーユーザーの正確な同定、さまざまなネットワークサイズにおける安定性に焦点を当てた。

実験結果

リサーチクエスチョン

• RQ1 通信ベースのソーシャルネットワークにおいて、社会的役割指標は従来の中心性指標と比較して、キーユーザーをどの程度効果的に特定できるか？
• RQ2 大規模ネットワークにおける社会的役割計算のための3つの提案アルゴリズムの計算効率はいかがなっているか？
• RQ3 社会的役割指標は、ノードのネットワーク進化およびユーザー行動への影響を効果的に捉えられるか？
• RQ4 ネットワークサイズの増加（例：数百万ノードおよびエッジ）に伴い、アルゴリズムの実行時間と正確性はどのようにスケーリングするか？
• RQ5 異なる中心性手法を用いたキーユーザー検出において、計算コストと精度の間にはどのようなトレードオフが存在するか？

主な発見

• 社会的役割指標は、ネットワーク進化に大きな影響を与えるノードを特定する点で、従来の中心性指標を上回っている。
• ハイブリッド最適化アルゴリズムが、速度と正確性のバランスが最も良く、ブルートフォース法に比べて処理時間を最大60％短縮した。
• 社会的役割手法はスパースネットワークでも高い正確性を維持しており、さまざまなネットワークトポロジーにわたって頑健であることが示された。
• 本研究では、社会的役割によって特定されたキーユーザーが、次数中心性や媒介中心性で特定されたものよりも、ネットワーク変化をより予測可能に示していることが確認された。
• 提案されたアルゴリズムは、最大500万ノードおよび2000万エッジのネットワークに対しても効果的にスケーリングでき、実世界の通信応用に適している。
• 結果から、社会的役割は単一指標中心性アプローチよりも包括的かつ効果的なノード影響の指標であることが妥当性を確認された。