[논문 리뷰] A Survey of Signed Network Mining in Social Media

Jiliang Tang, Yi Chang외 2명|arXiv (Cornell University)|2015. 11. 24.

Complex Network Analysis Techniques참고 문헌 116인용 수 14

한 줄 요약

이 종합 검토는 사회 미디어에서의 서명된 네트워크 마이닝에 대한 포괄적인 개요를 제공하며, 구조적 균형 이론과 지위 이론과 같은 사회 이론을 활용하여 링크 예측, 커뮤니티 탐지, 노드 순위 매기기 등의 작업에 중점을 둡니다. 이러한 이론들은 특성 공학, 제약 조건 생성, 목적 함수 정의를 통해 계산 모델에 통합되며, 랜덤 워크, 저랭크 근사, 스펙트럴 클러스터링과 같은 기법을 활용하여 정규화되지 않은, 희박하고 노이즈가 많은 대규모 서명된 네트워크의 고유한 과제를 해결합니다.

ABSTRACT

Many real-world relations can be represented by signed networks with positive and negative links, as a result of which signed network analysis has attracted increasing attention from multiple disciplines. With the increasing prevalence of social media networks, signed network analysis has evolved from developing and measuring theories to mining tasks. In this article, we present a review of mining signed networks in the context of social media and discuss some promising research directions and new frontiers. We begin by giving basic concepts and unique properties and principles of signed networks. Then we classify and review tasks of signed network mining with representative algorithms. We also delineate some tasks that have not been extensively studied with formal definitions and also propose research directions to expand the field of signed network mining.

연구 동기 및 목표

• 소셜 미디어 플랫폼에서 유도된 서명된 네트워크의 마이닝 작업에 대한 체계적인 리뷰를 제공하는 것.
• 이론적 또는 알고리즘적 기반 부족으로 인해 충분히 다루어지지 않은 서명된 네트워크 마이닝 분야의 미해결 작업을 식별하고 형식화하는 것.
• 특히 구조적 균형 이론과 지위 이론을 포함한 사회 이론이 서명된 네트워크의 계산 모델에 어떻게 통합되는지 분석하는 것.
• 랜덤 워크, 저랭크 근사, 스펙트럴 클러스터링과 같은 주요 기법들을 서명된 네트워크 마이닝의 맥락에서 분류하고 비교하는 것.
• 대규모 실세계 소셜 미디어 환경에서 서명된 네트워크 분석 분야의 발전을 위한 유망한 연구 방향을 제시하는 것.

제안 방법

• 특성 공학, 제약 조건 생성, 목적 함수 설계를 통해 구조적 균형 이론과 지위 이론과 같은 사회 이론을 마이닝 모델에 통합한다.
• 노드 순위 매기기 및 커뮤니티 탐지에 랜덤 워크를 활용하여 서명된 네트워크 구조 위에서의 확률적 탐색을 모델링한다.
• 링크 예측 및 추천 작업을 위해 서명된 인cidience 행렬의 잠재적 구조를 포착하기 위해 저랭크 행렬 근사를 적용한다.
• 그래프 라플라시안 기반으로 서명된 네트워크를 분할함으로써 커뮤니티 탐지 및 노드 표현 학습을 가능하게 하는 스펙트럴 클러스터링을 활용한다.
• 균형 정규화 및 일반화된 균형 정규화와 같은 정규화 기법을 사용하여 사회 이론의 제약 조건을 최적화 목표에 통합한다.
• 마이닝 작업을 노드 중심(예: 순위 매기기), 링크 중심(예: 부호 예측), 응용 중심(예: 추천)으로 분류하고, 대표 알고리즘을 제시한다.

실험 결과

연구 질문

• RQ1 구조적 균형 이론과 지위 이론과 같은 사회 이론을 체계적으로 활용하여 서명된 네트워크 마이닝을 위한 효과적인 알고리즘을 설계할 수 있는 방법은 무엇인가요?
• RQ2 서명된 네트워크 마이닝과 서명되지 않은 네트워크 마이닝 간의 알고리즘 설계에서의 주요 차이는 무엇이며, 왜 표준 서명되지 않은 네트워크 방법을 직접 확장할 수 없는가요?
• RQ3 랜덤 워크, 저랭크 근사, 스펙트럴 클러스터링과 같은 계산 기법 중에서 다양한 서명된 네트워크 마이닝 작업에 가장 효과적인 것은 무엇인가요?
• RQ4 서명된 네트워크 마이닝에서 아직 다루어지지 않거나 형식적 정의가 부족한 주요 비지도 및 준지도 작업은 무엇인가요?
• RQ5 특성 공학, 제약 조건, 목적 함수를 통해 사회 이론을 기계 학습 모델에 어떻게 통합하여 예측 성능을 향상시킬 수 있나요?

주요 결과

• 구조적 균형 이론과 지위 이론과 같은 사회 이론는 서명된 네트워크 마이닝 알고리즘 설계의 기초 원리로 널리 사용됩니다.
• 균형 이론 기반 특성 공학은 삼각형 기반 및 삼분군 기반 특성을 통합하여 링크 예측 성능을 향상시킵니다.
• 균형 제약 조건을 강제하는 정규화 기법은 부정적 링크 예측 및 추천 작업에서 모델 성능을 크게 향상시킵니다.
• 저랭크 근사 기법은 링크 예측 및 추천을 위한 대규모 희박한 서명된 네트워크에서의 전반적인 구조적 패턴을 효과적으로 포착합니다.
• 스펙트럴 클러스터링은 커뮤니티 탐지에 탄탄한 기반을 제공하며, 다양한 마이닝 작업에 적용 가능한 벡터 표현 학습도 가능하게 합니다.
• 진전이 있었음에도 불구하고, 동적 서명된 네트워크 분석 및 다중관계 서명된 네트워크 모델링과 같은 몇 가지 작업은 여전히 연구가 부족하고 형식적 정의가 부족합니다.