[論文レビュー] The Multivariate Community Hawkes Model for Dependent Relational Events in Continuous-time Networks

Hadeel Soliman, Lingfei Zhao+3 more|arXiv (Cornell University)|May 2, 2022

Point processes and geometric inequalities被引用数 5

ひとこと要約

本稿では、コミュニティベースの励起行列を用いてノード対間の依存する関係的イベントを、連続時間ネットワークとして捉える柔軟なマルチバリアント・コミュニティ・ハウクス（MULCH）モデルを提案する。社会学的インスピレーションを受けて参加シフトなどの励起を組み込むことで、従来のモデルに比べて将来のイベント予測や、三角形や相互性を含むリアルな時間的モチーフの生成において顕著に優れた性能を発揮する。

ABSTRACT

The stochastic block model (SBM) is one of the most widely used generative models for network data. Many continuous-time dynamic network models are built upon the same assumption as the SBM: edges or events between all pairs of nodes are conditionally independent given the block or community memberships, which prevents them from reproducing higher-order motifs such as triangles that are commonly observed in real networks. We propose the multivariate community Hawkes (MULCH) model, an extremely flexible community-based model for continuous-time networks that introduces dependence between node pairs using structured multivariate Hawkes processes. We fit the model using a spectral clustering and likelihood-based local refinement procedure. We find that our proposed MULCH model is far more accurate than existing models both for predictive and generative tasks.

研究の動機と目的

• ノード対間の条件付き独立性を仮定する従来の連続時間ネットワークモデルの限界に対処し、高次元のネットワークモチーフの正確なモデリングを可能にする。
• 動的ネットワークにおける相互性、参加シフト、連携ダイナミクスなどの複雑な依存関係を、計算的に扱いやすくかつ柔軟に捉えるモデルを構築する。
• タイムスタンプ付き関係的イベントデータに対して、予測性能と生成的忠実度を向上させ、特に短時間ウィンドウ内に複数のイベントが発生するモチーフを対象とする。
• 実世界のネットワーク（例：軍事的対立）におけるモデルベース探索的分析を可能にし、隠れたコミュニティ行動や反応パターンを明らかにする。

提案手法

• MULCHモデルは、スチュアティック・ブロック・モデル（SBM）とマルチバリアント・ハウクス過程を組み合わせ、ノードのコミュニティ所属に基づいてノード対間の依存関係を誘導する構造的励起行列 α を用いる。
• コミュニティ割り当ての初期化にスペクトルクラスタリングアルゴリズムを採用し、その後、尤度に基づく局所的最適化によりモデルパラメータを最適化する。
• 自己励起、相互励起、同盟継続、ターン継続、一般化された相互性、同盟的相互性といった複数の励起タイプを組み込み、対話の社会学的理論に基づくインスピレーションを反映する。
• ノード対 (i,j) の条件付き強度関数は λ_ij(t) = μ_ij + Σ_k α_ij^k * γ_k(t - t_s) としてモデル化され、励起 α_ij^k はノード i と j のコミュニティ所属に依存する。
• 2段階の手順でモデルをフィッティングする：スペクトルクラスタリングによる初期コミュニティ検出と、尤度最大化による反復的最適化。
• 励起行列 α はブロック構造によって制約され、ノード対間の豊かな依存パターンを保ちながらも、計算を効率化する。

実験結果

リサーチクエスチョン

• RQ1 連続時間ネットワークモデルは、現実のネットワークに一般的に見られる三角形や相互性といった高次元時間的モチーフを効果的に捉えることができるか？
• RQ2 条件付き独立性を仮定しないで、ノード対間の依存関係を計算的に扱える方法でどのようにモデル化できるか？
• RQ3 参加シフトなどの社会学的インスピレーションを受ける励起タイプを組み込むことで、実データにおけるモデルの性能はどの程度向上するか？
• RQ4 MULCHモデルは、タイムスタンプ付き関係的イベントデータにおいて、予測精度と生成的忠実度の両面で従来のモデルを上回ることができるか？
• RQ5 軍事的対立のような実世界のネットワークにおいて、励起パターンの分析から集団行動に関するどのような洞察が得られるか？

主な発見

• MULCHモデルは、Reality および Enron データセットにおいて、従来のモデル（CHIP や BHM）に比べて、ホールドアウトデータにおける対数尤度スコアが高く、将来のイベント予測において顕著に優れた性能を示した。
• MULCHは、相互作用的および三角形に類似したパターンを含む3ノード時間的モチーフの相対頻度を、自己励起やランダム割り当てのみを用いたモデルよりも、現実のデータに近い頻度で再現した。
• 軍事的対立の事例研究において、NATO加盟国（ブロック1）と南スラブ諸国（ユーゴスラビア、リビアなど）（ブロック2）が同盟継続の高励起ペアとして特定され、1999年のNATOによるユーゴスラビア爆撃という歴史的出来事と整合的であった。
• 強い自己励起（α ≈ 0.9）と相互性（α ≈ 0.7）が観察され、ターン継続（α ≈ 0.03）と同盟継続（α ≈ 0.04）の弱いが意味のある励起も確認され、国家間の連携された反応が示された。
• ブロックペア (2,1) の励起パターンには高いターン継続が見られ、ユーゴスラビアがNATO諸国に対して迅速な報復行動を取ったことを反映しており、歴史的物語と整合的であった。
• MULCHが生成するモチーフカウントのチェック・パターンは、実際のデータと密接に一致しており、現実のネットワークで観察される複雑で非一様な時間的モチーフ分布をモデルが的確に捉えていることを示している。