[論文レビュー] Scalable Analysis of Socially Informed Network Models

Julie M. Birkholz, Rena Bakhshi+3 more|arXiv (Cornell University)|Sep 28, 2012

Complex Network Analysis Techniques参考文献 25被引用数 1

ひとこと要約

本稿では、ネットワーク構造と社会的属性を統合することで、大規模なソーシャルネットワークにおけるリンク形成を予測するスケーラブルな平均場モデルを提案する。従来のモデルが抱える計算上の制限を克服する。データに適応したパrameterizationを活用することで、内生的ネットワークダイナミクスと外生的社會的要因が共同して大規模ネットワークの進化を形作ることを示し、実世界の共同執筆ネットワークにおいて、効率的かつ正確な予測を可能にする。

ABSTRACT

Studies on social networks have proved that endogenous and exogenous factors influence dynamics. Two streams of modeling exist on explaining the dynamics of social networks: 1) models predicting links through network properties, and 2) models considering the effects of social attributes. In this interdisciplinary study we work to overcome a number of computational limitations within these current models. We employ a mean-field model which allows for the construction of a population-specific socially informed model for predicting links from both network and social properties in large social networks. The model is tested on a population of conference coauthorship behavior, considering a number of parameters from available Web data. We address how large social networks can be modeled preserving both network and social parameters. We prove that the mean-field model, using a data-aware approach, allows us to overcome computational burdens and thus scalability issues in modeling large social networks in terms of both network and social parameters. Additionally, we confirm that large social networks evolve through both network and social-selection decisions; asserting that the dynamics of networks cannot singly be studied from a single perspective but must consider effects of social parameters.

研究の動機と目的

• ネットワーク構造と社會的属性の両方を組み込んだ大規模ソーシャルネットワークのモデリングにおける計算スケーラビリティの課題に対処すること。
• 従来のモデルがネットワーク特性や社會的要因を単独で扱うことに起因する制限を克服すること。
• 大規模ネットワークダイナミクスにおいてネットワークおよび社會的パrameterを保持する、データに適応したパopulation特化型のモデリングフレームワークを開発すること。
• 大規模ネットワークにおけるリンク形成が、ネットワーク駆動型メカニズムと社會的選択プロセスの組み合わせによって生じることを示すこと。

提案手法

• 大規模ソーシャルネットワークのモデリングにおける計算複雑性を低減するため、平均場近似を採用する。
• 度数、クラスタリング係数などのネットワークベースの特徴と、所属機関、研究分野などの社會的属性を統合した予測モデルを構築する。
• 国際会議の共同執筆ネットワークから得た実際のWebデータを用いてモデルパラメータをキャリブレーションする。
• ネットワークトポロジーと社會的類似性の寄与を動的にバランスさせる、パopulation特化型のモデルを構築する。
• データに適応したアプローチによるパラメータ化を実施し、大規模データセットにおいてもスケーラビリティと実世界のネットワーク構造への忠実度を確保する。
• 実データセットにおける観察された共同執筆パターンと予測されたリンク形成を比較することで、モデルの性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 大規模ソーシャルネットワークを、ネットワークおよび社會的パラメータを保持したまま、どのように効率的にモデリングできるか。
• RQ2 内生的ネットワーク特性と外生的社會的属性が、大規模ネットワークにおけるリンク形成にどの程度共同で影響を与えるか。
• RQ3 平均場近似が、予測精度を損なわず、大規模共同執筆ネットワークに効果的にスケーリング可能か。
• RQ4 現実の共同作業ネットワークにおけるリンクダイナミクスの形成において、ネットワーク構造と社會的属性の相対的寄与度はいかほどか。

主な発見

• 平均場モデルは計算複雑性を著しく低減し、ネットワークおよび社會的パラメータを併せ持つ大規模ソーシャルネットワークのスケーラブルな分析を可能にした。
• モデルは、大規模共同執筆ネットワークにおけるリンク形成が、ネットワーク駆動型メカニズムと社會的選択プロセスの組み合わせによって生じることを確認した。
• 社會的属性を組み込むことで、ネットワークトポロジーに依存するモデルと比較して、予測精度が顕著に向上した。
• データに適応したパラメータ化アプローチにより、モデルの忠実度を維持しながら、大規模データセットでも計算効率を確保できた。
• 共同執筆データに対する実証的検証から、ネットワークの近接性と社會的同質性（ホモフィリー）が、共同作業形成において測定可能で補完的な役割を果たすことが明らかになった。
• 本研究は、ネットワークダイナミクスを完全に理解するには社會的属性を考慮しなければならないことを示し、純粋に構造的進化を仮定する仮定に疑問を呈した。