[論文レビュー] Link Prediction in Networks with Nodes Attributes by Similarity Propagation

Maosheng Jiang, Yonxiang Chen+1 more|arXiv (Cornell University)|Feb 15, 2015

Complex Network Analysis Techniques参考文献 13被引用数 9

ひとこと要約

本稿では、ノード属性の類似度を用いてリンク類似度スコアの伝播をランダムウォークを介して誘導するリンク予測手法を提案する。ノード属性類似度に基づいた伝送確率を割り当てることで、従来の手法と比較して属性付きネットワークにおける予測精度が向上する。

ABSTRACT

The problem of link prediction has attracted considerable recent attention from various domains such as sociology, anthropology, information science, and computer sciences. A link prediction algorithm is proposed based on link similarity score propagation by a random walk in networks with nodes attributes. In the algorithm, each link in the network is assigned a transmission probability according to the similarity of the attributes on the nodes connected by the link. The link similarity score between the nodes are then propagated via the links according to their transmission probability. Our experimental results show that it can obtain higher quality results on the networks with node attributes than other algorithms.

研究の動機と目的

• ノードに追加の属性情報を持つ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。
• ノード属性類似度をリンク予測プロセスに組み込むことで予測精度を向上させること。
• 属性に基づく伝送確率を用いてリンク類似度スコアをネットワーク全体に伝播する手法を開発すること。
• 提案手法の実世界の属性付きネットワークにおける有効性を評価すること。

提案手法

• ネットワーク内の各リンクには、接続する2つのノードの属性のコサイン類似度に基づいた伝送確率が割り当てられる。
• リンク類似度スコアは、ノード属性類似度によって決定される遷移確率を持つランダムウォークプロセスを用いてネットワーク全体に伝播される。
• 伝播プロセスは、隣接するリンクの加重寄与に基づいてノードペア間の類似度スコアを反復的に更新する。
• ノードペアの最終的なリンク予測スコアは、伝播プロセスの収束後に蓄積された類似度スコアから導出される。
• 構造的および属性に基づく情報を統合することで、リンク予測性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 ノード属性情報は、リンク予測アルゴリズムにどのように効果的に統合できるか？
• RQ2 属性に基づく伝送確率によって誘導される類似度伝播は、リンク予測精度を向上させることができるか？
• RQ3 提案手法は、属性付きネットワークにおける既存のリンク予測技術と比較してどのように異なるか？
• RQ4 属性類似度は、リンク類似度伝播の収束性および安定性にどのような影響を与えるか？

主な発見

• 提案手法は、ベースラインアルゴリズムと比較して、属性付きネットワークにおける予測精度がより高い。
• 伝送確率にノード属性類似度を組み込むことで、リンク予測性能が顕著に向上する。
• 本手法は、さまざまなネットワークタイプおよび属性分布に対して、頑健性と安定性を示す。
• ランダムウォークに基づく伝播メカニズムは、ネットワーク構造の長距離依存性を効果的に捉える。