[論文レビュー] Topology and Geometry of Online Social Networks

Dmitry Zinoviev|ArXiv.org|Jul 25, 2008

Complex Network Analysis Techniques参考文献 6被引用数 8

ひとこと要約

本稿では、密度指標およびベクトル空間埋め込みを用いて、ロシアのオンラインソーシャルネットワーク「Moi Krug」(MKOSN) のトポロジー的および幾何的構造を調査する。密集コアを特定し、ノード次数分布を用いて2世代のユーザーを明らかにする。一方、次元の高さのため幾何的埋め込みは計算的に非現実的であることが示され、トポロジー的手法が好ましいことが結論づけられる。

ABSTRACT

In this paper, we study certain geometric and topological properties of online social networks using the concept of density and geometric vector spaces. "Moi Krug" ("My Circle"), a Russian social network that promotes the principle of the "six degrees of separation" and is positioning itself as a vehicle for professionals and recruiters seeking each others' services, is used as a test vehicle.

研究の動機と目的

• オンラインソーシャルネットワークのトポロジカルおよび幾何的性質を分析すること。特に、独自の構造的特徴を有するロシア語ネットワーク「Moi Krug」(MKOSN) に焦点を当てる。
• ノード次数の分布を調査し、ネットワークの年齢と接続性に基づいてユーザーの世代的分断を特定すること。
• ネットワークのメトリック空間を低次元のベクトル空間に埋め込むことの妥当性を評価すること。
• 発見済みおよび処理済みノード数を用いて、ネットワーク全体のサイズを推定する手法を開発すること。
• オンラインソーシャルネットワークの構造的性質を分析する際、トポロジカル手法と幾何的アプローチのどちらがより実用的であるかを比較すること。

提案手法

• ノード次数分布を用いて、二重パレート分布を特定し、『上級』（25人以上ともつながり、コアの約3.6％）および『ジュニア』ユーザーの2世代が存在することを示唆する。
• 密集コアおよび局所的密度の概念を用いて、ネットワーク内での社会的注目度の高いメンバーと周縁的メンバーを分類する。
• ネットワーク距離のバイナリ行列表現において、必須の基準点（必須インプリケント）を特定するためのカラムカバレッジアルゴリズムを適用する。
• 行列Zに対するグリーディー選択プロセスを用い、次元を5から2に低下させると歪みなし、5から1に低下させると25％の歪み（T=1）を示す。
• ネットワーク取得を微分方程式（DD'' + (D' + 1)² = 0）でモデル化し、有理関数で近似することで、P（処理済み）およびD（発見済みだが未処理）ノードから全体のサイズSを推定する。
• 実験的関係式 S ≈ P + D + (D' + 1)D を用いて、取得初期段階でのネットワークサイズを推定し、P > 35,000 の条件下で10％未満の誤差が確認された。

実験結果

リサーチクエスチョン

• RQ1 『Moi Krug』における次数分布は二重パレートパターンを示すか？ その場合、ユーザーの世代的差異に何を示唆するか？
• RQ2 密集コアおよび局所的密度を用いることで、ネットワーク内での社会的注目度の高いメンバーまたは周縁的メンバーをどのように特定できるか？
• RQ3 ネットワークのメトリック空間を、顕著な歪みを伴わずに低次元のベクトル空間に埋め込むことはどの程度可能か？
• RQ4 発見済みおよび処理済みノード数のみを用いて、ネットワーク全体のサイズを取得初期段階で信頼性高く推定できるか？
• RQ5 オンラインソーシャルネットワークの構造的性質を分析する際、トポロジカル手法と幾何的アプローチのどちらがより実用的であるか？

主な発見

• MKOSNにおけるノード次数分布は二重パレート則に従い、ブレークポイントが『上級』メンバー（巨大コアの約3.6％）を示しており、ネットワークの創設当初から存在するユーザーを示唆している。
• 『上級』メンバーは非常に密接に接続されており、強い局所的クラスタリングと、ネットワーク初期構造の基盤をなすコアグループであることが示唆される。
• 幾何的埋め込みは、高次元性のため、ストレージ複雑性（O(D³)）と計算コストが高く、次元削減後でも非現実的である。
• 次元を5から2に削減すると距離が完全に保持され（歪みなし）、5から1に削減すると25％の歪み（T=1）にとどまる。これは制約下での部分的な実現可能性を示している。
• 処理済みノード数Pが35,000を超える（全ノードの約20％）段階で、モデル S ≈ P + D + (D' + 1)D を用いてネットワークサイズを10％未満の誤差で推定可能である。
• 本研究は、オンラインソーシャルネットワークの構造的分析において、幾何的埋め込みアプローチに比べ、トポロジカル手法がより実用的で好ましいと結論づける。