[논문 리뷰] A holistic approach for predicting links in coevolving multiplex networks

Alireza Hajibagheri, Gita Sukthankar외 1명|arXiv (Cornell University)|2016. 08. 18.

Complex Network Analysis Techniques참고 문헌 27인용 수 6

한 줄 요약

이 논문은 공진화하는 다층 네트워크에서 링크 예측을 위한 통합 프레임워크인 MLP를 제안한다. 이 프레임워크는 타겟 레이어가 아닌 다른 레이어의 링크 존재 가능성 확률을 학습하여 단일 레이어 예측 점수를 재가중함으로써 상하좌우 레이어 간 의존성을 활용한다. 상위 구조적 지표를 순위 집합 기반으로 융합하고, 교차 레이어 패턴에 기반한 재가중을 통해, 다이나믹하고 다중 관계적 네트워크에서 결측 링크를 예측하는 데 있어 인과적 접근법과 융합 방법을 능가한다.

ABSTRACT

Networks extracted from social media platforms frequently include multiple types of links that dynamically change over time; these links can be used to represent dyadic interactions such as economic transactions, communications, and shared activities. Organizing this data into a dynamic multiplex network, where each layer is composed of a single edge type linking the same underlying vertices, can reveal interesting cross-layer interaction patterns. In coevolving networks, links in one layer result in an increased probability of other types of links forming between the same node pair. Hence we believe that a holistic approach in which all the layers are simultaneously considered can outperform a factored approach in which link prediction is performed separately in each layer. This paper introduces a comprehensive framework, MLP (Multiplex Link Prediction), in which link existence likelihoods for the target layer are learned from the other network layers. These likelihoods are used to reweight the output of a single layer link prediction method that uses rank aggregation to combine a set of topological metrics. Our experiments show that our reweighting procedure outperforms other methods for fusing information across network layers.

연구 동기 및 목표

• 각 네트워크 레이어를 독립적으로 분석하여 링크 유형 간 동적 공진화를 忽略하는 인과적 링크 예측 방법의 한계를 해결하기 위해.
• 한 레이어에서 링크의 존재가 다른 레이어에서 링크 형성 가능성을 증가시킬 수 있는 방식을 모델링하여 교차 레이어 상호작용 패턴을 포착하기 위해.
• 모든 레이어의 정보를 동시에 활용하여 링크 예측 정확도를 향상시키는 통합 프레임워크를 개발하기 위해.
• 단일 레이어 예측을 상하좌우 레이어 간 존재 가능성 확률을 사용해 재가중하는 것이 표준 융합 기법보다 성능 향상에 기여하는지 입증하기 위해.

제안 방법

• 프레임워크는 각 레이어가 동일한 노드 집합에서의 이원적 상호작용(예: 통신, 거래)을 나타내는 다층 네트워크를 구성한다.
• 타겟 레이어마다, 다른 레이어의 링크 존재 여부를 기반으로 링크 존재 가능성의 확률을 확률적 또는 통계적 추정 방법을 사용해 학습한다.
• 각 레이어에 대해 단일 레이어 링크 예측 방법을 적용하며, 이는 상위 구조적 지표를 사용하고, 이를 순위 집합 기반으로 통합하여 공통 예측 점수를 산출한다.
• 통합된 점수는 상하좌우 레이어 간 링크 존재 가능성 확률을 사용해 재가중되며, 공진화된 구조에 기반해 더 높은 영향력을 갖는 예측에 더 높은 가중치를 부여한다.
• 최종 예측 점수는 노드 쌍의 순위를 매기는데 사용되며, 높은 점수는 결측 링크의 존재 가능성 확률이 높음을 나타낸다.

실험 결과

연구 질문

• RQ1 공진화하는 다층 네트워크에서 상하좌우 레이어 간 의존성을 모델링하는 것이 레이어를 독립적으로 다루는 것보다 링크 예측 성능을 향상시키는가?
• RQ2 상하좌우 레이어 간 링크 존재 가능성 확률을 사용해 단일 레이어 예측을 재가중하는 것이 예측 정확도 향상에 얼마나 효과적인가?
• RQ3 모든 레이어를 동시에 고려하는 통합 프레임워크가 각 레이어를 독립적으로 예측하는 인과적 접근법을 능가하는가?
• RQ4 다양한 상위 구조적 지표가 순위 집합 기반 융합과 재가중을 통해 조합되었을 때 예측에 기여하는 방식은 어떠한가?

주요 결과

• MLP 프레임워크는 각 레이어를 독립적으로 분석하는 표준 인과적 링크 예측 방법보다 유의미하게 뛰어난 성능을 보였다.
• 상하좌우 레이어 간 링크 존재 가능성 확률을 기반으로 한 재가중 메커니즘이 기준 융합 전략보다 예측 성능 향상에 기여했다.
• 상위 구조적 지표의 순위 집합 기반 융합과 상하좌우 레이어 간 재가중을 조합한 결과, 개별 지표 성능보다 더 견고하고 정확한 예측이 이루어졌다.
• 통합 접근법은 특히 다이나믹하고 다중 관계적 네트워크 환경에서 각 레이어별 방법이 놓치는 공진화 패턴을 포착했다.