[論文レビュー] Stability of similarity measurements for bipartite networks

Jian-Guo Liu, Lei Hou+3 more|arXiv (Cornell University)|Nov 30, 2015

Complex Network Analysis Techniques参考文献 35被引用数 3

ひとこと要約

本稿は、二部グラフにおける15の類似性測定法の安定性を調査し、ランダムなデータ分割における安定性に基づいて分類するフレームワークを提案する。類似性測定法は3つのグループにクラスタリングされ、それぞれが特徴的な数学的構造を持つことが判明した。また、安定性の高い類似性測定法のみを用いることで、誤った情報を除外し、推薦システムの信頼性が著しく向上することを示している。

ABSTRACT

Similarity is a fundamental measure in network analyses and machine learning algorithms, with wide applications ranging from personalized recommendation to socio-economic dynamics. We argue that an effective similarity measurement should guarantee the stability even under some information loss. With six bipartite networks, we investigate the stabilities of fifteen similarity measurements by comparing the similarity matrixes of two data samples which are randomly divided from original data sets. Results show that, the fifteen measurements can be well classified into three clusters according to their stabilities, and measurements in the same cluster have similar mathematical definitions. In addition, we develop a top-$n$-stability method for personalized recommendation, and find that the unstable similarities would recommend false information to users, and the performance of recommendation would be largely improved by using stable similarity measurements. This work provides a novel dimension to analyze and evaluate similarity measurements, which can further find applications in link prediction, personalized recommendation, clustering algorithms, community detection and so on.

研究の動機と目的

• ユーザー-オブジェクト二部グラフにおける広く使われている15の類似性測定法の安定性を評価すること。
• オブジェクトの特性が本質的に変更不可能であることを踏まえ、類似性測定法が異なるデータサンプルに対して一貫した結果を生じるかどうかを検証すること。
• 類似性測定法の安定性行動に基づいて分類し、その背後にある数学的パターンを同定すること。
• 類似性の安定性が実世界の推薦システムにおける性能に与える影響を調査すること。
• 不安定な類似性を除外することで推薦の安定性を向上させる、トップ-\(n\)-安定性手法を提案すること。

提案手法

• 著者らは、6つの実世界の二部グラフをランダムに2つのサブサンプルに分割し、類似性行列を計算した。その後、相関に基づく安定性指標を用いて、得られた行列を比較した。
• 安定性は、2つの独立したデータサンプルから導かれた類似性行列間のピアソン相関係数を計算することで定量化された。
• 安定性スコアを用いて階層的クラスタリングを実行し、安定性プロファイルに基づいて類似性測定法をクラスタに分類した。
• トップ-\(n\)-安定性手法は、最も安定性の高い類似性（例：最も安定性の高い\(n\)個のオブジェクトペア）のみを、下流の推薦タスクに使用する。
• 標準的な指標（例：正確率、再現率）を用いて、全類似性入力と安定性のみの入力の両方で推薦性能を評価した。
• コアな類似性式には、コサイン類似度（COS）、ピアソン相関（PC）、共通の隣接ノード数（CN）、およびそのさまざまな正規化バージョン（例：ジャカード係数（JAC）、サルトン係数（SAL）、リソース配分（RA））が含まれる。

実験結果

リサーチクエスチョン

• RQ1 同じ二部グラフの異なるランダムサブサンプル上で計算された15の一般的な類似性測定法の安定性はどの程度か？
• RQ2 類似性測定法は、その安定性行動に基づいて体系的に分類可能か？
• RQ3 観察された類似性測定法の安定性パターンの背後にある数学的または構造的特性は何か？
• RQ4 安定性の高い類似性測定法のみを用いることで、推薦システムの信頼性がどの程度向上するか？
• RQ5 トップ-\(n\)-安定性フィルタリング手法は、不安定で誤解を招く可能性のある類似性を除外することで、推薦の安定性を効果的に向上させることができるか？

主な発見

• 15の類似性測定法は、安定性プロファイルに基づいて3つの明確に分離されたグループにクラスタリングされ、それぞれのグループが類似した数学的構造を持つことが判明した。
• 同じ基本的原理に基づく類似性測定法（例：最小値または最大値の普及度で正規化されたもの）は、類似した安定性行動を示す傾向がある。
• トップ-\(n\)-安定性手法は、類似性行列から不安定で誤った情報を除外することで、推薦システムの安定性を著しく向上させた。
• 不安定な類似性は、推薦におけるノイズと誤差の主要因であることが判明し、それらを除外することでより信頼性が高く一貫性のある予測結果が得られた。
• 本研究では、特にスパースで変化し続けるネットワークにおいて、類似性の安定性がリンク予測や推薦システムにおいて極めて重要だが、しばしば無視されがちな要因であることが示された。
• 類似性測定法の安定性は、その公式そのものだけでなく、背後にあるネットワーク構造とデータサンプリングのばらつきにも依存する。