[論文レビュー] Link Prediction using Top-$k$ Shortest Distances

Andrei Lebedev, Jooyoung Lee+2 more|arXiv (Cornell University)|Jan 1, 2017

Data Management and Algorithms被引用数 2

ひとこと要約

本稿では、スケーラブルな計算を実現するための効率的な pruning されたランドマークラベリングアルゴリズムを用いて、類似度指標として top-k 最短経路距離を用いる、リンク予測のための新規手法を提案する。実験の結果、Jaccard や Adamic/Adar といった古典的指標を上回り、複数の実世界ネットワークにおいて AUROC スコアが常に 0.90 以上を記録する top-4 距離が優れた性能を示した。

ABSTRACT

In this paper, we apply an efficient top-$k$ shortest distance routing algorithm to the link prediction problem and test its efficacy. We compare the results with other base line and state-of-the-art methods as well as with the shortest path. Our results show that using top-$k$ distances as a similarity measure outperforms classical similarity measures such as Jaccard and Adamic/Adar.

研究の動機と目的

• リンク予測におけるノード間の微細な構造的類似性を捉えるために、単一の最短経路指標の限界を是正すること。
• 最短経路のみでなく、複数の最短経路を活用することで、リンク予測の精度を向上させること。
• 既存のベースライン手法と比較して、top-k 最短経路距離を類似度指標として用いる有効性を評価すること。
• 小さな k（例：k=4）が高精度な予測性能を達成できることを示し、計算効率を確保すること。

提案手法

• 大規模グラフにおいて top-k 最短経路距離を効率的に計算するために、[2] で提示された pruning されたランドマークラベリングインデキング方式を採用する。
• 2つのノード間の top-k 最短経路長の合計を類似度指標として定義する：Sk = Σᵢ₌₀ᵏ⁻¹ KSP(s,t,k)[i]。
• 一貫性とスケーラビリティを確保するため、自己ループや多重辺のない無向・無重みグラフを用いる。
• 60% を訓練用、40% を評価用に設定し、5つの実世界データセット（Facebook、Last.fm、GrQc、HepTh、CondMat）に本手法を適用する。
• 各データセットに対して10回のランダムサンプリング反復を実施し、AUROC（受受応答曲線下積分）を用いて性能を評価する。
• 標準的なリンク予測ベースラインと比較する：共通の隣接ノード、Jaccard、Adamic/Adar、および優先的接続（Preferential Attachment）

実験結果

リサーチクエスチョン

• RQ1 top-k 最短経路距離を類似度指標として用いることで、従来の指標と比較してリンク予測精度が向上するか？
• RQ2 最短経路数 k の選択が予測性能に与える影響は何か？
• RQ3 小さな k（例：k=4）が、より大きな k 値や単一の最短経路指標と同等または優れた性能を達成できるか？
• RQ4 本手法は、多様な実世界ネットワーク構造にわたりスケーラブルかつ効果的か？

主な発見

• top-4 最短経路距離は、5つのデータセットのうち4つで最高の AUROC スコアを記録し、Facebook では 0.909458、CondMat では 0.911099 を達成した。
• Facebook データセットにおいて、top-4 法は共通の隣接ノード（AUROC: 0.834086）、Jaccard（0.833845）、Adamic/Adar（0.799192）、および優先的接続（0.693485）を常に上回った。
• k=4 であっても、単一最短経路（Top-1）や他の top-k 変種と比較して顕著に優れた性能を示し、小さな k でも十分な構造的情報が捉えられていることが示された。
• CondMat データセットでは、top-4 の性能は top-1 とほぼ同一（0.911099 対 0.911328）であり、密なネットワークでは k を大きくしても恩恵が小さいことが示された。
• 本手法は、ソーシャル（Facebook、Last.fm）、引用（GrQc、HepTh）、共同作業（CondMat）ネットワークを含む多様なネットワークタイプにわたり、頑健な性能を示した。
• 共通ノードベースの指標よりも、top-k ルート長の合計が、特に複数の並行経路を持つグラフにおいて、トポロジー的類似度をより効果的に捉えられることを示した。