[논문 리뷰] A model of consistent node types in signed directed social networks

Dongjin Song, David Meyer|arXiv (Cornell University)|2014. 08. 17.

Complex Network Analysis Techniques참고 문헌 21인용 수 4

한 줄 요약

이 논문은 서명된 방향성 있는 사회 네트워크에서 일관된 노드 유형을 위한 새로운 모델을 제안한다. 이 모델은 공통 이웃이 없더라도 간선의 부호를 설명하기 위해 잠재적 노드 유형을 추론함으로써 간선 부호를 설명한다. 실제로 관측된 네트워크(Wikipedia, Slashdot, Epinions)에 베이지안 추론을 적용한 결과, 특히 부분 관측된 환경에서 최신 기법들을 능가하는 간선 부호 예측 성능을 보였다.

ABSTRACT

Signed directed social networks, in which the relationships between users can be either positive (indicating relations such as trust) or negative (indicating relations such as distrust), are increasingly common. Thus the interplay between positive and negative relationships in such networks has become an important research topic. Most recent investigations focus upon edge sign inference using structural balance theory or social status theory. Neither of these two theories, however, can explain an observed edge sign well when the two nodes connected by this edge do not share a common neighbor (e.g., common friend). In this paper we develop a novel approach to handle this situation by applying a new model for node types. Initially, we analyze the local node structure in a fully observed signed directed network, inferring underlying node types. The sign of an edge between two nodes must be consistent with their types; this explains edge signs well even when there are no common neighbors. We show, moreover, that our approach can be extended to incorporate directed triads, when they exist, just as in models based upon structural balance or social status theory. We compute Bayesian node types within empirical studies based upon partially observed Wikipedia, Slashdot, and Epinions networks in which the largest network (Epinions) has 119K nodes and 841K edges. Our approach yields better performance than state-of-the-art approaches for these three signed directed networks.

연구 동기 및 목표

• 공통 이웃이 없는 경우 간선 부호를 설명하는 데 한계가 있는 기존 이론(구조적 균형 이론과 사회적 지위 이론)을 해결하기 위해.
• 유형 기반의 노드 모델을 개발하여 연결된 노드의 유형 간 호환성에 기반해 간선 부호 일관성을 보장하기 위해.
• 모델을 확장하여 방향성 삼중집합을 통합함으로써 구조적 균형 이론과 사회적 지위 이론과 일치시키기 위해.
• Wikipedia, Slashdot, Epinions를 포함한 부분 관측된 실제 서명된 방향성 네트워크에서 모델을 평가하기 위해.
• 최신 기법들에 비해 간선 부호 예측 성능에서 뛰어난 성능을 입증하기 위해.

제안 방법

• 완전히 관측된 서명된 방향성 네트워크의 국소적 구조에서 잠재적 노드 유형을 추론한다.
• 연결된 노드의 유형 간 호환성에 기반해 간선 부호를 예측함으로써 일관성을 확보한다.
• 부분 관측된 네트워크 데이터로부터 노드 유형을 계산하기 위해 베이지안 추론을 사용한다.
• 구조적 균형 이론과 사회적 지위 이론과 유사하게, 방향성 삼중집합을 추론 과정에 통합한다.
• 세 가지 실제 네트워크(Wikipedia, Slashdot, Epinions)에서 방법을 검증한다.
• 부분 관측된 환경에서의 간선 부호 예측에 대한 표준 평가 지표를 사용해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 노드가 공통 이웃이 없을 경우, 유형 기반 모델이 서명된 방향성 네트워크의 간선 부호를 설명할 수 있는가?
• RQ2 기존 방법들과 비교해 볼 때, 추론된 노드 유형이 부분 관측된 네트워크에서 간선 부호를 얼마나 잘 예측하는가?
• RQ3 모델이 구조적 균형 이론과 사회적 지위 이론과 유사하게 방향성 삼중집합을 얼마나 잘 통합할 수 있는가?
• RQ4 노드 유형에 대한 베이지안 추론이 실제 서명된 방향성 네트워크에서 부호 예측 정확도를 향상시키는가?
• RQ5 모델이 Epinions처럼 대규모 네트워크를 포함한 다양한 네트워크 구조로 일반화될 수 있는가?

주요 결과

• 제안된 모델은 Wikipedia, Slashdot, Epinions 네트워크에서 최신 기법들보다 더 뛰어난 간선 부호 예측 성능을 달성한다.
• 공통 이웃이 없더라도 모델이 간선 부호를 효과적으로 설명할 수 있어, 구조적 균형 이론과 사회적 지위 이론의 핵심 한계를 극복한다.
• 노드 유형에 대한 베이지안 추론은 부분 관측된 네트워크, 특히 119K개의 노드와 841K개의 간선을 가진 대규모 Epinions 네트워크에서도 견고한 성능을 보인다.
• 방향성 삼중집합을 모델에 통합함으로써 기존 이론적 프레임워크와의 일관성을 유지하면서도 예측 정확도를 향상시킨다.
• 모델은 다양한 서명된 방향성 네트워크 구조에 대해 강력한 일반화 능력을 보이며, 그 견고성과 확장성을 확인한다.