[論文レビュー] The Slashdot Zoo: Mining a Social Network with Negative Edges

Jérôme Kunegis, Andreas Lommatzsch+1 more|arXiv (Cornell University)|Oct 31, 2017

Complex Network Analysis Techniques参考文献 27被引用数 392

ひとこと要約

この論文は、ポジティブ（友人）およびネガティブ（敵）エッジを有するソーシャルネットワークのための署名付きネットワーク解析手法を紹介し、Slashdot Zooデータセットを用いて検証している。行列指数関数および署名付きラプラシアンに基づく代数的手法を提案し、『敵の敵は味方』という乗法的推移性（multiplicative transitivity）をモデル化する。これらの手法は、リンクの符号予測および人気のないユーザーの同定において、従来の無署名アプローチを著しく上回ることを示している。

ABSTRACT

We analyse the corpus of user relationships of the Slashdot technology news site. The data was collected from the Slashdot Zoo feature where users of the website can tag other users as friends and foes, providing positive and negative endorsements. We adapt social network analysis techniques to the problem of negative edge weights. In particular, we consider signed variants of global network characteristics such as the clustering coefficient, node-level characteristics such as centrality and popularity measures, and link-level characteristics such as distances and similarity measures. We evaluate these measures on the task of identifying unpopular users, as well as on the task of predicting the sign of links and show that the network exhibits multiplicative transitivity which allows algebraic methods based on matrix multiplication to be used. We compare our methods to traditional methods which are only suitable for positively weighted edges.

研究の動機と目的

• 負のエッジ重みを有するソーシャルネットワークのための署名付きネットワーク解析手法の開発および評価すること。
• 現実世界の署名付きネットワークにおいて、『敵の敵は味方』という乗法的推移性が成立するかを調査すること。
• 新しい署名付き中心性および人気度測度を用いて、人気のないユーザーを同定すること。
• 行列関数に基づく代数的類似度測度を用いて、ソーシャルネットワークのリンク符号を予測すること。
• 署名付き代数的手法と従来の無署名ネットワーク解析手法の性能を比較すること。

提案手法

• グローバルなネットワーク構造を分析するため、署名付きクラスタリング係数および相対的署名付きクラスタリング係数を提案する。
• 人気のないまたはトロールユーザーを同定するため、署名付き人気度測度としてのNegative Rankを導入する。
• スペクトル類似度測度（例：行列指数関数、対称および非対称行列指数関数、署名付きラプラシアン）をリンク符号予測に適応する。
• 固有値分解を用いた次元削減により、行列指数関数および疑似逆行列を効率的に計算する。
• 減衰係数を用いた行列指数関数カーネルを、長距離の乗法的推移性をモデル化するために適用する。
• リンク符号予測の精度を評価するために、類似度スコアの符号を用いた30%ホールアウトテストセットを用いる。

実験結果

リサーチクエスチョン

• RQ1 『敵の敵は味方』という乗法的推移性は、Slashdot Zooのような現実の署名付きソーシャルネットワークに成立するか？
• RQ2 署名付きスペクトル類似度測度は、従来の無署名手法よりもソーシャルリンクの符号予測で優れているか？
• RQ3 署名付き中心性および人気度測度は、人気のないまたはトロールユーザーの同定にどの程度有効か？
• RQ4 行列指数関数に基づくカーネルは、非指数関数的対応物よりも一般化性能に優れているか？
• RQ5 非対称形式の行列カーネルは、非対称な推移性を捉えるために、対称形式よりも効果的か？

主な発見

• 非対称行列指数関数カーネルが、0.68という最高の予測精度を達成し、他の手法を著しく上回った。
• 指数関数的カーネルは次元数kの増加に対しても過学習を示さず、漸近的性能に達したのに対し、非指数関数的対応物はそうではなかった。
• 署名付きラプラシアン類似度行列は、低次元k値でも安定した性能を示し、過学習を伴わず良好な精度を達成した。
• 署名付きクラスタリング係数は、Slashdot Zooネットワークにおいて乗法的推移性の強い証拠を示した。
• Negative Rankは、人気のないユーザーを効果的に同定でき、署名付き人気度測度がコミュニティ検出に有用であることを示した。
• 本研究は、乗法的推移性が現実の署名付きソーシャルネットワークにおいて有効であり、行列乗算に基づく代数的手法を活用可能であることを確認した。