[論文レビュー] Tie-decay temporal networks in continuous time and eigenvector-based centralities

Walid Ahmad, Mason A. Porter+1 more|arXiv (Cornell University)|May 1, 2018

Complex Network Analysis Techniques参考文献 47被引用数 3

ひとこと要約

本稿では、接触（コールド）と関係強度（タイ）を区別するための連続時間ネットワークモデルを提案する。タイの減衰メカニズムを用いて、離散的相互作用と時間経過に伴い変化する関係強度を区別する。このフレームワークにPageRankを拡張し、時間的に変化するネットワークにおける効率的で数学的に取り扱いやすい centrality 分析を可能にする。実際の UK NHS 論争におけるリツイートネットワークを用いて検証され、ストリーミングデータへの応用も可能である。

ABSTRACT

Network theory is a useful framework for studying interconnected systems of interacting agents. Many networked systems evolve continuously in time, but most existing methods for the analysis of time-dependent networks rely on discrete or discretized time. In this paper, we propose an approach for studying networks that evolve in continuous time by distinguishing between interactions, which we model as discrete contacts, and ties, which represent strengths of relationships as functions of time. To illustrate our tie-decay network formulation, we adapt the well-known PageRank centrality score to the tie-decay framework in a mathematically tractable and computationally efficient way. We demonstrate our framework on a synthetic example and then use it to study a network of retweets during the 2012 National Health Service controversy in the United Kingdom. Our work also provides guidance for similar generalizations of other tools from network theory to continuous-time networks with tie decay, including for applications to streaming data.

研究の動機と目的

• 離散時間ネットワーク解析の限界を克服するため、連続的に時間経過に伴って変化するネットワークをモデル化すること。
• 時間経過に伴い変化する関数として、一時的な相互作用（コールド）と持続的な関係強度（タイ）を区別すること。
• タイの減衰を伴う連続時間ネットワークにおける、計算的に効率的で数学的に取り扱いやすい PageRank の拡張を構築すること。
• 政治的論争中のソーシャルメディア相互作用のような、実世界のストリーミングデータに対して、このフレームワークを実証すること。
• 他のネットワーク解析ツールを、タイの減衰を伴う連続時間設定に一般化する基盤を提供すること。

提案手法

• 相互作用を離散的コールドとしてモデル化し、関係性を時間経過に伴い指数関数的に減衰するタイとして扱う。この際、新たな相互作用がない場合、タイの強度は時間とともに減少する。
• 時間経過に応じたエッジ重みを関数として表す連続時間の隣接行列を定義する。重みは、最後の接触からの経過時間に依存する。
• タイ減衰モデルに基づいて導出される連続時間遷移作用素を用いて、離散時間遷移行列を置き換えることで、PageRank アルゴリズムを変更する。
• ノードの影響力の時間的変化を記述するため、常微分方程式（ODE）のシステムを用いる。
• 数値積分を用いて centrality スコアを効率的に計算し、リアルタイムまたはニアリアルタイムの分析を可能にする。
• 正しさの検証のための合成ネットワークを用いてアプローチを検証し、その後 2012 年の UK NHS 論争における実際のリツイートネットワークに適用する。

実験結果

リサーチクエスチョン

• RQ1 連続的に時間経過に伴って変化するネットワークにおいて、 centrality はどのように意味的に定義され、計算可能となるか？
• RQ2 タイの減衰を伴う連続時間ネットワークに、PageRank アルゴリズムを一般化することは可能か？ その際、数学的取り扱いやすさと計算効率を維持できるか？
• RQ3 タイ減衰ダイナミクスは、時間的に変化するネットワークにおけるインフルエンサーの同定にどのように影響を与えるか？
• RQ4 実世界のストリーミングデータ（例：政治的論争におけるソーシャルメディア相互作用）の分析において、連続時間モデルを用いる実用的意義は何か？
• RQ5 このフレームワークは、 centrality を超えて、他のネットワーク解析ツールへどのように一般化可能か？

主な発見

• 提案されたタイ減衰フレームワークは、新たな相互作用がない場合の関係強度の時間的減衰を的確に捉えることで、連続時間ネットワークの進化を効果的にモデル化している。
• 連続時間 PageRank の拡張は、ODE を用いたダイナミクスにより数学的整合性を保ちつつ、効率的な計算を可能としている。
• 2012 年の NHS 論争におけるリツイートネットワークにおいて、離散時間手法よりも高い時間的精度でインフルエンサーを同定している。
• 計算効率の高さのおかげで、本フレームワークはスケーラビリティに優れ、ストリーミングデータ用途に適していることが示された。
• 合成例から、異なる減衰率の下でも、提案された centrality 計算の正しさと安定性が確認された。
• 本アプローチは、タイの減衰を伴う連続時間設定に他のネットワーク理論的ツールを適応するための汎用的道筋を提供している。