[論文レビュー] "You Know Because I Know": a Multidimensional Network Approach to Human Resources Problem

Michele Coscia, Giulio Rossetti+3 more|arXiv (Cornell University)|May 30, 2013

Complex Network Analysis Techniques参考文献 14被引用数 13

ひとこと要約

本論文では、従業員の自らのスキルに加え、関係者の専門性まで評価する、新しい多次元ネットワークランク付けアルゴリズムUBIKを提案する。これにより、組織内での柔軟で洞察に富んだ人材発見が可能になる。この手法は、DBLP や Enron メールデータなどの実世界のネットワークにおいて、複数のスキルで明確で非自明なランク付けを生成することで、最先端のアルゴリズムを上回る性能を発揮する。

ABSTRACT

Finding talents, often among the people already hired, is an endemic challenge for organizations. The social networking revolution, with online tools like Linkedin, made possible to make explicit and accessible what we perceived, but not used, for thousands of years: the exact position and ranking of a person in a network of professional and personal connections. To search and mine where and how an employee is positioned on a global skill network will enable organizations to find unpredictable sources of knowledge, innovation and know-how. This data richness and hidden knowledge demands for a multidimensional and multiskill approach to the network ranking problem. Multidimensional networks are networks with multiple kinds of relations. To the best of our knowledge, no network-based ranking algorithm is able to handle multidimensional networks and multiple rankings over multiple attributes at the same time. In this paper we propose such an algorithm, whose aim is to address the node multi-ranking problem in multidimensional networks. We test our algorithm over several real world networks, extracted from DBLP and the Enron email corpus, and we show its usefulness in providing less trivial and more flexible rankings than the current state of the art algorithms.

研究の動機と目的

• 組織内に眠る未発掘の人材を特定する課題に、社会的ネットワーク構造を活用して対処すること。
• 多次元ネットワークにおいて、個人のスキルと関連する同僚の専門性の両方を考慮したランク付け手法を開発すること。
• 共著関係やメール通信など、多様なエッジタイプを有するネットワークにおいて、複数のスキル固有のランク付けを提供すること。
• 単一次元ネットワークや単一ランク付けしか扱えない既存の手法を改善すること。
• UBIKアルゴリズムの実世界の人事および知識発見の文脈における実用性を示すこと。

提案手法

• UBIKアルゴリズムは、複数のエッジタイプ（例：共著関係、メール送受信）を持つネットワークをモデル化し、ノードにそのスキルセットに基づく重み付きラベルを割り当てる。
• ノードの価値は、自身のスキルと隣接ノードのスキルを、接続の強さとタイプに重みを付けて集約する関数によって計算される。
• 特定のネットワーク次元（例：国際会議や時間帯）に乗じる乗数スケーリング要因（例：10×）を適用して、特定の関係性を強調する。
• エッジ数に比例する線形時間実装を採用することで、大規模な実世界データセットへの適用を効率的に可能にする。
• 各スキルをネットワーク内の別々の次元として扱うことで、スキルごとに独立した複数のランク付けをサポートする。
• 社会的リターン効果を統合し、ノードの価値が自身のスキルに加え、接続された同僚の専門性からも上昇することを考慮する。

実験結果

リサーチクエスチョン

• RQ1 個人のスキルに加え、従業員のネットワーク接続の専門性も活用することで、組織内の人材発見をどのように改善できるか？
• RQ2 単一次元または単一ランク付け手法に比べ、多次元ネットワークランク付けアルゴリズムはより柔軟で洞察に富んだランク付けを生成できるか？
• RQ3 同じ会社内と異会社間の関係性といった、異なる種類の関係性は、スキルネットワークにおけるノードの価値にどのように影響するか？
• RQ4 UBIKアルゴリズムは、実世界の組織的ネットワークにおいて、どのようにして隠れた知識のハブを特定できるか？
• RQ5 DBLP や Enron のような実データセットにおいて、標準的なランク付け手法（例：PageRank）と比較して、このアルゴリズムはどの程度の性能を示すか？

主な発見

• Enron メールネットワークにおいて、上級幹部の秘書であるジョアニ・ウィリアムソンが、公式なリーダーシップ資格がなくても上位10位以内にランク付けされた。これは彼女が重要な知識のハブであることを示している。
• 幹部のケネス・レイとジェフリー・スキンギルは、平日のランク付けにおいてそれぞれ617位および725位と低く評価された。これは、従来の可視性とスキルベースのネットワーク中央性が一致しない可能性を示している。
• 週末のメール送信ランク付けでは、他のパターンが明らかになった。一部の低ランク従業員が高ランクに上昇しており、これは非勤務時間の通信パターンが、隠れたインフルエンサーを特定する手がかりである可能性を示している。
• DBLP 共著ネットワークでは、UBIKが一般の著者ランクで上位に位置しないが、特定の国際会議に特化した専門家を的確に特定した。これは、ニッチな専門性を検出できる能力を示している。
• アルゴリズムは、平日 vs 週末や特定の国際会議といった異なる次元において、明確で非自明なランク付けを生成しており、標準的手法に比べてはるかに柔軟性に優れている。
• UBIKの線形時間実装により、大規模ネットワークへのスケーラブルな展開が可能となり、実世界の人事および知識管理アプリケーションにおいて実用的である。