[論文レビュー] Persistence and periodicity in a dynamic proximity network

Aaron Clauset, Nathan Eagle|arXiv (Cornell University)|Nov 30, 2012

Complex Network Analysis Techniques参考文献 2被引用数 142

ひとこと要約

本稿では、連続時間動的近接ネットワークを離散スナップショットに変換する際のバイアスを最小限に抑えるために、自然な時間スケール Δₙₐₜ = 4.08 時間を提案する。MITの66名の個人から得られた高分解能データを用いて、近接持続時間の分布が重たい尾を持つ（おそらく対数正規分布に従う）こと、ネットワーク指標が毎日および毎週のサイクルによって駆動される強い周期性を示すことが示された。最適なスナップショットレートは、低周波数の構造的パターンを保持しながら、高周波数のノイズを平滑化する。

ABSTRACT

The topology of social networks can be understood as being inherently dynamic, with edges having a distinct position in time. Most characterizations of dynamic networks discretize time by converting temporal information into a sequence of network "snapshots" for further analysis. Here we study a highly resolved data set of a dynamic proximity network of 66 individuals. We show that the topology of this network evolves over a very broad distribution of time scales, that its behavior is characterized by strong periodicities driven by external calendar cycles, and that the conversion of inherently continuous-time data into a sequence of snapshots can produce highly biased estimates of network structure. We suggest that dynamic social networks exhibit a natural time scale Δ_{nat}, and that the best conversion of such dynamic data to a discrete sequence of networks is done at this natural rate.

研究の動機と目的

• 連続時間動的ネットワークデータを離散スナップショットに集約する際のバイアスを生じさせない自然な時間スケール Δₙₐₜ を特定すること。
• 1か月間にわたり66名の個人から得た高分解能データを用いて、近接ネットワークの時間的変化を分析すること。
• スナップショットレートの選択が、平均次数、クラスタリング係数、隣接相関といったネットワーク指標に与える影響を定量化すること。
• 人間の行動サイクルによって駆動される動的ソーシャルネットワークにおける周期性の有無とその性質を調査すること。
• ネットワーク構造における時間的順序の影響が、疫病拡散などのプロセスに与える意味を評価すること。

提案手法

• 本研究は、MITリアリティマインィング・プロジェクトから得た近接データを用い、66名の個人の物理的共存状態を1か月間にわたり5分間隔で記録している。
• エッジ持続時間は重たい尾を持つ分布でモデル化され、近接持続時間の形式が対数正規分布に従う可能性があるという証拠がある。
• ネットワーク指標（平均次数、クラスタリング係数、隣接相関）の自己相関関数（ACF）を計算し、減衰 timescale を特定している。
• ネットワーク指標の時系列にパワースペクトル解析を適用し、主要な周期性を同定しており、24、12、8時間のピークが観察された。
• 自然なスナップショットレート Δₙₐₜ は、最も高い周波数の有意なピークの周期の半分として推定され、Δₙₐₜ = 4.08 時間が得られた。
• 集約ウィンドウサイズに依存するネットワーク指標の依存関係を評価するため、スナップショットレート Δ の範囲でネットワーク指標を計算している。

実験結果

リサーチクエスチョン

• RQ1 連続時間動的近接ネットワークを離散スナップショットに集約するための自然な時間スケール Δₙₐₜ は何か？
• RQ2 社会的近接イベントの持続時間の時間的分布はどのようなものか？重たい尾分布または対数正規分布に従うか？
• RQ3 動的ネットワーク指標は、毎日および毎週の行動サイクルによって駆動される周期性をどの程度示すか？
• RQ4 スナップショットレート Δ の選択が、平均次数、クラスタリング係数、隣接相関といった主要なネットワーク指標の推定値に与える影響は何か？
• RQ5 高分解能近接データは、相互作用の正しい順序を保ったまま、疫病拡散などの時間的プロセスのモデリングを改善できるか？

主な発見

• MIT近接ネットワークの自然なスナップショットレート Δₙₐₜ は 4.08 時間と推定され、ネットワーク構造推定におけるバイアスを最小限に抑える。
• 近接持続時間は重たい尾を持つ分布に従い、対数正規分布に従うという強い証拠がある。
• 平均次数、クラスタリング係数、隣接相関の各ネットワーク指標の自己相関は、それぞれ約 6.08、5.25、6.25 時間でゼロに減衰する。
• パワースペクトル解析により、24、12、8 時間の強い周期ピークが観察され、ネットワークトポロジーにおける明確な毎日および毎週のリズムが示された。
• 自然なレート Δₙₐₜ = 4.08 時間では、平均次数 ⟨k⟩ₙₐₜ = 2.24、クラスタリング係数 Cₙₐₜ = 0.084、隣接相関 γₙₐₜ = 0.88 を示す。
• スナップショットレート Δ の選択がネットワーク指標に顕著なバイアスをもたらし、値が Δ に比例して変化することが判明した。これにより、Δ の原理的選択の重要性が強調された。