[論文レビュー] Matching Community Structure Across Online Social Networks

Lin Li, William M. Campbell|arXiv (Cornell University)|Aug 3, 2016

Complex Network Analysis Techniques参考文献 13被引用数 6

ひとこと要約

本稿では、Twitter や Instagram などのオンラインソーシャルネットワーク間でコミュニティ構造を整合化するためのマルチレイヤーコミュニティ検出フレームワークを提案する。限られたユーザーIDマッピング（シード）を事前知識として用いる。PageRankに基づくシード選択が、共有ユーザーの重複率が低い状況でも検出精度を顕著に向上させることを示しており、シードとしてTwitterユーザーの8%を用いた場合、オラクル精度は44.26%に達する。

ABSTRACT

The discovery of community structure in networks is a problem of considerable interest in recent years. In online social networks, often times, users are simultaneously involved in multiple social media sites, some of which share common social relationships. It is of great interest to uncover a shared community structure across these networks. However, in reality, users typically identify themselves with different usernames across social media sites. This creates a great difficulty in detecting the community structure. In this paper, we explore several approaches for community detection across online social networks with limited knowledge of username alignment across the networks. We refer to the known alignment of usernames as seeds. We investigate strategies for seed selection and its impact on networks with a different fraction of overlapping vertices. The goal is to study the interplay between network topologies and seed selection strategies, and to understand how it affects the detected community structure. We also propose several measures to assess the performance of community detection and use them to measure the quality of the detected communities in both Twitter-Twitter networks and Twitter-Instagram networks.

研究の動機と目的

• プラットフォーム間でのユーザーIDの正確な対応関係が不明な状況下でも、複数のオンラインソーシャルネットワークに共通するコミュニティ構造を検出すること。
• ネットワークのトポロジー、特に共有ユーザーの割合がコミュニティ検出のパフォーマンスに与える影響を調査すること。
• 限られた事前対応情報のもとで、検出精度を向上させるためのシード選択戦略（ランダム、次数、PageRank）を評価・比較すること。
• コミュニティ検出の品質を評価するためのパフォーランス指標（バリエーション・オブ・インフォメーション、ジャコーディ類似度、オラクル精度）を構築・適用すること。
• 検出されたコミュニティが名前付きエンティティの曖昧性解消や大規模グラフマッチングタスクを向上させることの可能性を検討すること。

提案手法

• ネットワーク情報の統合に用いる3つのマルチレイヤーコミュニティ検出手法（集約、リンク、緩和されたランダムウォーク）を用いる。
• 頂点の重み付き次数で隣接行列を正規化する集約アプローチを採用し、構造的整合性を保持する。
• 既知のユーザー対応（シード）を用いて、複数ネットワーク間でクラスタリングをガイドするシードベースのコミュニティ検出を実施する。
• PageRank中心性を用いてシード選択を優先し、高い中心性を持つユーザーがコミュニティ整合により有用であると仮定する。
• バリエーション・オブ・インフォメーション（VI）、ジャコーディ類似度行列、および既知のシードマッピングに基づくオラクル精度を用いてパフォーマンスを測定する。
• 合成的なTwitter-Twitterネットワークと、現実世界のTwitter-Instagramネットワークを用いた実験を、異なるシード割合で実施する。

実験結果

リサーチクエスチョン

• RQ1 2つのソーシャルネットワーク間の共有ユーザーの割合が、それらの間でのコミュニティ検出精度にどのように影響するか？
• RQ2 異なるシード選択戦略（ランダム、次数、PageRank）が、検出されたコミュニティ構造の品質に与える影響は何か？
• RQ3 集約、リンク、緩和されたランダムウォークのうち、どのマルチレイヤーコミュニティ検出手法が、元のコミュニティ構造を最もよく保持するか？
• RQ4 検出されたコミュニティは、名前付きエンティティの曖昧性解消や大規模グラフマッチングタスクをどの程度向上させ得るか？
• RQ5 シードマッピングの品質と量が、最終的な検出精度に与える影響は何か、特に真値が部分的に不明な状況下でどうなるか？

主な発見

• 集約法は、リンク法や緩和されたランダムウォーク法よりも、常に基準構造に最も近いコミュニティ割り当てを生成した。
• シードとしてTwitterユーザーの8%（そのうち44.26%がInstagramの対応ユーザーと同じコミュニティに正しく割り当てられた）を用いた場合、PageRankに基づくシード選択が最高のオラクル精度を達成した。
• PageRankに基づくシード選択は、ランダムおよび次数ベースの戦略を上回り、特にシード割合が高い状況で顕著な優位性を示した。7.3%のシード割合で22.06%のオラクル精度を達成した。
• 基本的なマッチング手法による不完全なシード集合であっても、PageRank戦略は強力な性能を示した。これは、シード集合のノイズに強く、ロバストであることを示唆している。
• 共有ユーザーの重複率が低い場合、コミュニティ検出は著しく困難になり、信頼性のある結果を得るためにはより多くのシードが必要となることが示された。
• 本研究では、高品質なシード集合が極めて重要であることが確認された。今後の改善は、エンティティレゾリューションの高度化とネットワーク構造の統合に焦点を当てるべきである。