[論文レビュー] Partial Network Alignment with Anchor Meta Path and Truncated Generic Stable Matching

Jiawei Zhang, Weixiang Shao+3 more|arXiv (Cornell University)|Jun 16, 2015

Advanced Graph Neural Networks参考文献 36被引用数 5

ひとこと要約

本稿では、アンカーメタパスと切り捨てられた汎用的安定マッチングを活用して、部分的に整合化されたソーシャルネットワーク間のアンカーリンクを予測する、PNAと呼ばれる部分的ネットワークアラインメントの新規手法を提案する。テンソル分解を用いたトポロジカル特徴抽出と、1対1のマッピング制約を強制する安定マッチングを組み合わせることで、クラス不均衡下でも優れた精度と頑健性を達成し、既存手法を著しく上回る性能を発揮する。

ABSTRACT

To enjoy more social network services, users nowadays are usually involved in multiple online social networks simultaneously. The shared users between different networks are called anchor users, while the remaining unshared users are named as non-anchor users. Connections between accounts of anchor users in different networks are defined as anchor links and networks partially aligned by anchor links can be represented as partially aligned networks. In this paper, we want to predict anchor links between partially aligned social networks, which is formally defined as the partial network alignment problem. The partial network alignment problem is very difficult to solve because of the following two challenges: (1) the lack of general features for anchor links, and (2) the "one-to-one$_\le$" (one to at most one) constraint on anchor links. To address these two challenges, a new method PNA (Partial Network Aligner) is proposed in this paper. PNA (1) extracts a set of explicit anchor adjacency features and latent topological features for anchor links based on the anchor meta path concept and tensor decomposition techniques, and (2) utilizes the generic stable matching to identify the non-anchor users to prune the redundant anchor links attached to them. Extensive experiments conducted on two real-world partially aligned social networks demonstrate that PNA can solve the partial network alignment problem very well and outperform all the other comparison methods with significant advantages.

研究の動機と目的

• 部分的に整合化されたソーシャルネットワークにおけるアンカーリンクを予測する課題に対処すること。
• 異種ネットワーク環境下でアンカーリンクの汎用的特徴が不足している問題を克服すること。
• アンカーリンクマッピングに1対1（最大1）の制約を課すことにより、誤ったまたは重複するリンク予測を防ぐこと。
• アンカーリンク予測におけるクラス不均衡問題を、オーバー・サンプリングおよびアンダーランプリング戦略によって軽減すること。
• Foursquare や Twitter などの特定プラットフォームに限定されない、スケーラブルで高精度なフレームワークの開発を目的とすること。

提案手法

• PNAはアンカーメタパスの概念を用いて、ネットワーク間で構造的類似性を捉える明示的アンカーアドセンシー特徴と、潜在的トポロジカル特徴を抽出する。
• テンソル分解技術を適用して高次ネットワーク構造をモデル化し、特徴抽出のための低ランク表現を生成する。
• 汎用的安定マッチングアルゴリズムを用いて冗長な候補リンクを削除し、各ユーザーが他方のネットワーク内で最大1名のユーザーにマッピングされることを保証する。
• リンクサンプリング戦略を統合して、正例（アンカー）と負例（非アンカー）のトレーニングサンプルのバランスを取ることで、クラス不均衡に対処する。
• 安定マッチングにおける好みのリストを信頼度スコアに基づいて切り捨てることで、計算コストを低減しつつ予測精度を維持する。
• 最終的なアラインメントは、削減済みリストから上位-K候補を選択することで決定され、精度と効率性の両方を最適化する。

実験結果

リサーチクエスチョン

• RQ1 部分的に整合化され、異種的なソーシャルネットワークにおいて、アンカーリンクのための汎用的特徴を効果的に抽出する方法は何か？
• RQ2 テンソル分解は、アンカーリンク予測のためのトポロジカル特徴表現をどの程度向上させ得るか？
• RQ3 汎用的安定マッチングは、アンカーリンクに1対1（≤1）の制約を効果的に課すことができるか？また、誤検出を低減できるか？
• RQ4 トレーニングデータに深刻なクラス不均衡が存在する状況下で、本手法はどの程度の性能を発揮するか？
• RQ5 切り捨てられた安定マッチングを適用する際、予測精度と計算コストの最適なトレードオフは何か？

主な発見

• PNAは、2つの実世界の部分的アラインメント済みソーシャルネットワークデータセットにおいて、すべてのベースライン手法を顕著に上回るアンカーリンク予測精度を達成した。
• アンカーメタパスとテンソル分解を用いることで、プラットフォーム固有の特徴よりも、より頑健で汎用性の高い特徴表現が得られた。
• 切り捨てられた汎用的安定マッチングは、冗長な候補リンクの数を効果的に削減し、再現率を損なわず精度を向上させた。
• オーバー・サンプリングおよびアンダーランプリング戦略のおかげで、極端なクラス不均衡下でも高い性能を維持した。
• K値を低めに設定した部分的マッチング（例：K=50）は、より高い精度と低い時間コストを達成しており、プルーニング戦略の効率性を示している。
• Kおよびηの値が中程度の範囲にある際に性能がピークに達し、不均衡な状況下でも、プルーニングを施した上位-K信頼度順のランク付けが最適な結果をもたらすことが示された。