[論文レビュー] New methods to generate massive synthetic networks

Malay Chakrabarti, Lenwood S. Heath+1 more|arXiv (Cornell University)|May 23, 2017

Complex Network Analysis Techniques参考文献 21被引用数 4

ひとこと要約

本稿では、任意の次数分布を有する大規模な合成ネットワークを生成するための3つの新しいアルゴリズム—Synth、SAGE、SIEGE—を提案する。残留次数減衰を活用することで、SIEGEは、次数分布、クラスタリング、ホップ長、kコア構造といった、現実世界のトポロジー特徴を再現する面で、25の実世界データセットにわたって優れた安定性と忠実度を示し、既存手法を上回る性能を発揮する。

ABSTRACT

One of the biggest needs in network science research is access to large realistic datasets. As data analytics methods permeate a range of diverse disciplines---e.g., computational epidemiology, sustainability, social media analytics, biology, and transportation--- network datasets that can exhibit characteristics encountered in each of these disciplines becomes paramount. The key technical issue is to be able to generate synthetic topologies with pre-specified, arbitrary, degree distributions. Existing methods are limited in their ability to faithfully reproduce macro-level characteristics of networks while at the same time respecting particular degree distributions. We present a suite of three algorithms that exploit the principle of residual degree attenuation to generate synthetic topologies that adhere to macro-level real-world characteristics. By evaluating these algorithms w.r.t. several real-world datasets we demonstrate their ability to faithfully reproduce network characteristics such as node degree, clustering coefficient, hop length, and k-core structure distributions.

研究の動機と目的

• 疫学、ソーシャルメディア、交通分野など多様な分野における研究を支援するため、大規模かつ現実的な合成ネットワークデータセットの構築という重要なニーズに対応する。
• 既存のネットワーク生成手法、特に任意の次数分布下で三重閉鎖（triadic closure）やその他のマクロレベル特性を保持できないDEGアルゴリズムの限界を特定する。
• 次数分布、クラスタリング係数、最短経路分布、kコア構造といった主要なネットワーク特性を忠実に再現できる安定的でスケーラブルなアルゴリズムを開発する。
• プライバシー保護型シミュレーションや「もしも」シナリオ分析に使用可能な、現実世界のトポロジカル行動を忠実に再現する合成ネットワークを確保する。

提案手法

• 収束問題を回避することでDEG法よりも安定性を向上させる、フェイルセーフなベースラインモデルであるSynthを導入する。
• 残留次数減衰の原則に基づく高度なモデルとしてSAGEおよびSIEGEを提案し、構造的特性を維持するようにエッジ形成確率を動的に調整する。
• 二段階プロセスを採用する：まず、ユーザー指定の分布に従ってノードにターゲット次数を割り当てる。次に、残留次数を段階的に減衰させながら反復的にエッジを形成することで、過剰接続を防ぎ、構造的現実性を維持する。
• 高残留次数を持つノード間のエッジ形成確率を低下させる次数減衰関数を適用し、三重閉鎖のような自然なネットワーク成長パターンを模倣する。
• 25の実世界データセットを対象に包括的な評価フレームワークを用いてモデルを検証し、次数分布、クラスタリング、ホップ長、kコア構造への適合度を測定する。
• 収束性と安定性を向上させるために、反復的エッジ再接続と局所最適化を組み込む。特に、べき乗則的次数分布を示す大規模ネットワークにおいて有効である。

実験結果

リサーチクエスチョン

• RQ1 合成ネットワーク生成手法は、現実世界のネットワークの次数分布を忠実に再現しつつ、他のマクロレベル構造的特性も維持できるか？
• RQ2 DEGのような既存手法は、任意の次数分布下でなぜ三重閉鎖やクラスタリング行動を保持できないのか？
• RQ3 提案されたモデル（Synth、SAGE、SIEGE）は、クラスタリング係数、最短経路分布、kコア構造といった現実世界のネットワーク特性をどの程度再現できるか？
• RQ4 残留次数減衰の原則は、従来のアプローチに比べ、より安定的かつ現実的なネットワーク生成を可能にするか？
• RQ5 SIR疫学的拡散シミュレーションのような動的シナリオにおいて、合成ネットワークは現実世界のデータと比較してどの程度の性能を示すか？

主な発見

• SIEGEは、25の実世界データセットすべてにおいて、DEGおよびSynthを上回り、重い尾を示す次数分布を最も正確に再現する。特に共同作業ネットワークや自律システムネットワークで最も高い適合度が観察された。
• SIEGEは、com-LiveJournal や ca-Gr-Qc のようなデータセットにおいて、現実世界の局所的クラスタリング係数分布に最も近い一致を達成し、対数-対数プロットでも明確に示された。
• SIEGEによって生成された合成ネットワークの最短経路分布は、現実世界のネットワークで観察される一峰性または弱い二峰性の傾向を強く再現しており、oregon010331 および oregon010414 データセットにおいて一貫性が確認された。
• SIEGEはkコア構造分布を効果的に捉えており、k-コアに参加するノード数およびエッジ数がkの増加に伴い減少するという現実世界の挙動を、評価されたすべてのデータセットで再現した。
• SIRシミュレーション実験では、SAGEが最も現実的な感染拡散ダイナミクスを再現し、次にSynth、その後にSIEGEが続いた。これはSAGEが動的プロセスにおける行動的忠実度に優れていることを示している。
• これらのモデルは大規模スケールでも高い安定性を維持しており、DEG法がしばしば大規模ネットワーク生成中に収束不能に陥るのとは異なり、SIEGEはその問題を回避した。