[論文レビュー] Link prediction for partially observed networks

Yunpeng Zhao, Elizaveta Levina+1 more|arXiv (Cornell University)|Jan 29, 2013

Bioinformatics and Genomic Networks被引用数 6

ひとこと要約

本論文は、観測されたリンクと非リンクを真のネットワークのノイズのあるサンプルとみなす半教師付きリンク予測手法を提案する。ノードの共変量とネットワークのトポロジーを用いて、潜在的なエッジの順位を付ける。本手法は、ラベル付きの負例を必要とせず、エッジ観測の不確実性をモデル化するため、特にスパースまたはノイズの多い状況下で既存の手法を上回る性能を発揮する。

ABSTRACT

Link prediction is one of the fundamental problems in network analysis. In many applications, notably in genetics, a partially observed network may not contain any negative examples of absent edges, which creates a difficulty for many existing supervised learning approaches. We develop a new method which treats the observed network as a sample of the true network with different sampling rates for positive and negative examples. We obtain a relative ranking of potential links by their probabilities, utilizing information on node covariates as well as on network topology. Empirically, the method performs well under many settings, including when the observed network is sparse. We apply the method to a protein-protein interaction network and a school friendship network.

研究の動機と目的

• 負例（非エッジ）の不確実性や欠落が顕著に現れる、特に生物学的ネットワークにおけるリンク予測の課題に対処すること。
• 既存の教師あり学習手法の主な制限である既知の負例を必要としない手法を開発すること。
• 観測済みエッジを含む潜在的リンクの相対的順位（確率推定値に基づく）を提供し、実験的検証の優先順位付けに適すること。
• 部分観測状態下での予測精度向上を目的として、ノードレベルの共変量とネットワーク構造的情報を統合すること。
• 真の正例と負例におけるエッジ観測誤差が別々に未知であるとモデル化することで、サンプリングノイズやスパarsityに強い耐性を確保すること。

提案手法

• 観測ネットワークを真のネットワークからのノイズのあるサンプルとみなす。真のエッジ（α）と非エッジ（β）の未知のサンプリングレートを仮定する。
• ノード類似度行列 W と観測されたネットワーク構造を組み合わせた、半教師付きリンクランク付け基準を提案し、リンク確率を推定する。
• 非パrametricなランク付け基準を最適化するためのブロック座標降下法を用い、交差検証によりチューニングパrameter λ を選択する。
• 共変量が利用可能でない場合には、ノード共変量（例：遺伝子発現、タンパク質局在）またはネットワークベースの指標（例：ジャカード係数）を用いて類似度行列 W を定義する。
• 全和基準と部分和基準の2つのランク付け基準を定式化し、両者とも推定されたリンク確率に基づいてノードペアを順位付けすることを目的とする。
• 特定のネットワーク生成モデルを仮定しない代わりに、類似するノードは類似したリンク確率を持つという仮定のみに依存することで、柔軟でモデルフリーな推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 生物学的ネットワークにおいてよく見られるように、負例が不確実または欠落している状況下で、どのようにして信頼性の高いリンク予測を実現できるか？
• RQ2 部分的なネットワーク情報しか入手できない状況下で、完全に教師ありまたは完全に教師なしの手法と比較して、半教師付きアプローチが優れた性能を発揮できるか？
• RQ3 本手法の性能は、サンプリングレートやネットワークのスパarsityにどのように依存するか？
• RQ4 ノード共変量とネットワークトポロジーが、部分観測ネットワークにおけるリンク予測精度をどの程度向上させるか？
• RQ5 欠落または誤ったエッジによって真のネットワーク構造が歪められても、本手法は頑健な順位付けを提供できるか？

主な発見

• プロテインプロテイン相互作用ネットワークにおいて、本手法の半教師付き基準は、異なるサンプリングレート（α = 0.2, 0.5, 0.8）の下で、常に非教師付き基準および潜在変数モデルを上回る性能を発揮する。
• 潜在変数モデルは、特に低サンプリングレート（α = 0.2）で本手法に劣る性能を示す。これは、スパースな観測によるトポロジーの歪みに対して感受性が高いためである。
• 学校の友人関係ネットワークでは、α = 0.8 および α = 0.5 の場合、両方の提案基準が良好に機能するが、α = 0.2 では失敗する。これは、ネットワークが極めてスパースになると、ネットワークベースの類似度 W が有効性を失うことを示している。
• ノード類似度行列 W が共変量から構築されるため、サブサンプリングの影響を受けない。このため、本手法の性能は異なるサンプリングレートに対して安定している。
• 既知の負例がなくても、潜在的リンクの相対的順位を信頼性高く提供できるため、高コストな実験的検証の優先順位付けに適している。
• 本手法は、特に偽陽性および偽陰性の割合が高い状況下で、既存手法と比較してROC-AUC性能が優れている。これは、不確実性を頑健に扱える点に起因する。