[論文レビュー] Nonlinear Dynamic Models of Conflict via Multiplexed Interaction Networks

Gerardo Aquino, Weisi Guo+1 more|arXiv (Cornell University)|Sep 26, 2019

Complex Network Analysis Techniques被引用数 9

ひとこと要約

本論文は、戦争と平和の間を遷移する二安定系として都市をモデル化するマルチプレックス非線形動的モデルを提案する。このモデルは、地理的、文化的、政治的の3つの相互接続されたネットワーク層で駆動され、2002年から2016年のデータを用いて都市レベルでの紛争移行を予測し、F1スコアは0.78～0.92の範囲に達する。また、どのネットワーク層が状態変化を引き起こしたかを特定することで原因の特定が可能であり、多様な紛争タイプにおいて、新規紛争の発生および平和移行の両方を高い精度で予測している。

ABSTRACT

The risk of conflict is exasperated by a multitude of internal and external factors. Current multivariate analysis paints diverse causal risk profiles that vary with time. However, these profiles evolve and a universal model to understand that evolution remains absent. Most of the current conflict analysis is data-driven and conducted at the individual country or region level, often in isolation. Consistent consideration of multi-scale interactions and their non-linear dynamics is missing. Here, we develop a multiplexed network model, where each city is modelled as a non-linear bi-stable system with stable states in either war or peace. The causal factor categories which exasperate the risk of conflict are each modelled as a network layer. We consider 3 layers: (1) core geospatial network of interacting cities reflecting ground level interactions, (2) cultural network of interacting countries reflecting cultural groupings, and (3) political network of interacting countries reflecting alliances. Together, they act as drivers to push cities towards or pull cities away from war. Using a variety of data sources relative to 2002-2016, we show, that our model correctly predicts the transitions from war to peace and peace to war with F1 score of 0.78 to 0.92 worldwide at the city scale resolution. As many conflicts during this period are auto-regressive (e.g. the War on Terror in Afghanistan and Iraq, the Narco War across the Americas), we can predict the emergence of new war or new peace. We demonstrate successful predictions across a wide range of conflict genres and we perform causal discovery by identifying which model component led to the correct prediction. In the cases of Somalia (2008-13), Myanmar (2013-15), Colombia (2011-14), Libya (2014-16), and Yemen (2011-13) we identify the set of most likely causal factors and how it may differ across a country and change over time.

研究の動機と目的

• 紛争移行を駆動する時間的に変化する多スケールの因果要因を包括的に捉える普遍的モデルの欠如に応えること。
• 地理的・文化的・政治的要因といった多様な因果要因を統合し、非線形的相互作用を捉える統一的動的フレームワークを構築すること。
• 継続的紛争状態の予測に加え、新規紛争の発生や長期間にわたる紛争の終焉（自己回帰的およびブラック・スワン的出来事）を予測すること。
• 都市の状態変化を引き起こしたネットワーク層または相互作用の変化を特定することで、因果的発見を可能にすること。
• 予防的平和維持および外交的対応を支援するスケーラブルで定量的なプラットフォームを提供すること。

提案手法

• 各都市は、戦争または平和への進化を示す二安定動的システムとしてモデル化され、中間の不安定状態を経る。
• 3つのネットワーク層を構築する：(1) 地理的（都市間相互作用）、(2) 文化的（国レベルのグループ化）、(3) 政治的（同盟構造）。
• 一般化ロジスティック写像を用いた非線形動的システムを定義し、各ネットワーク層からの外部駆動要因（強制項）をノード状態の進化に組み込む。
• 閾値ベース分類を用いる：状態変数が閾値を超えると都市は戦争状態と分類され、それ以外は平和状態と分類される。
• 因果的帰属は「層の切断」実験により実施する。1つの層のリンクを順次除去し、ノード状態が変化するかどうかを観察することで、状態変化の主因となる要因を同定する。
• モデルは2002年から2016年の紛争地域における重複データを用いて学習・検証され、戦争／平和移行のF1スコアで性能が測定される。

実験結果

リサーチクエスチョン

• RQ1 都市レベルでの平和から戦争、または戦争から平和への移行を駆動する主要な時間的に変化する因果要因は何か？
• RQ2 地理的・文化的・政治的ネットワーク層の相対的寄与度は、異なる紛争地域および時間経過とともにどのように変化するか？
• RQ3 非線形的マルチプレックスネットワークモデルは、線形モデルに比べて、新規紛争の発生および長期間紛争の終焉予測において優れた性能を示せるか？
• RQ4 モデルは、状態変化の原因となった特定のネットワーク相互作用（例：同盟関係の変化、国境緊張）をどの程度正確に同定できるか？
• RQ5 国内内（内部）相互作用と国境を越えた（外部）相互作用は、紛争ダイナミクスにどのように異なる貢献をしているか？

主な発見

• 2002年から2016年の多様な紛争地域において、都市レベルでの戦争・平和移行予測においてF1スコアが0.78～0.92の範囲に達した。
• ソマリアでは、政治的つながり（例：ケニアが敵対国から同盟国に転換）を切断した結果、ブール・ガアボで戦争から平和への移行が引き起こされたことが特定された。
• ミャンマーでは、国内の同じ国に属する都市との地理的リンクを切断した場合にのみ平和状態に移行したため、内部要因が主な駆動要因であると判明した。
• コロンビアでは、ベネズエラの同盟状態の変化がバラルドゥエパールで戦争状態を引き起こした一方、国内の地理的リンクの切断は平和状態に導いた。これは、異なる因果的メカニズムが存在することを示している。
• リビアおよび也門では、因果分析により大多数の状態変化が国内の地理的ネットワークの破壊に起因していることが判明し、内部紛争ダイナミクスが主な駆動要因であると示された。
• 媒介性中心性を分類器に組み込むことでモデル性能が向上し、これが高紛争地域の予測要因としての役割を果たしていることが確認された。