[논문 리뷰] Allotaxonometry and rank-turbulence divergence: A universal instrument for comparing complex systems

Peter Sheridan Dodds, Joshua R. Minot외 8명|arXiv (Cornell University)|2020. 02. 22.

Advanced Text Analysis Techniques참고 문헌 52인용 수 20

한 줄 요약

이 논문은 랭크-터뷸런스 다이버전스(RTD)를 소개한다. RTD는 조정 가능한 랭크 기반 도구로, 할로타크소미터리—랭크-랭크 히스토GRAM과 구성 요소별 다이버전스 기여도를 조합한 동적 대시보드—를 통해 복잡한 시스템을 비교하는 데 사용된다. RTD는 언어 사용, 종의 풍부도, 금융 시장 등 다양한 시스템 간에 강력하고 해석 가능한 비교를 가능하게 하며, α라는 온도 유사 매개변수를 통해 분석적으로 조정할 수 있다.

ABSTRACT

Complex systems often comprise many kinds of components which vary over many orders of magnitude in size: Populations of cities in countries, individual and corporate wealth in economies, species abundance in ecologies, word frequency in natural language, and node degree in complex networks. Here, we introduce `allotaxonometry' along with `rank-turbulence divergence' (RTD), a tunable instrument for comparing any two ranked lists of components. We analytically develop our rank-based divergence in a series of steps, and then establish a rank-based allotaxonograph which pairs a map-like histogram for rank-rank pairs with an ordered list of components according to divergence contribution. We explore the performance of rank-turbulence divergence, which we view as an instrument of `type calculus', for a series of distinct settings including: Language use on Twitter and in books, species abundance, baby name popularity, market capitalization, performance in sports, mortality causes, and job titles. We provide a series of supplementary flipbooks which demonstrate the tunability and storytelling power of rank-based allotaxonometry.

연구 동기 및 목표

• 크기의 차이가 매우 큰 구성 요소를 가진 복잡한 시스템을 비교하기 위한 보편적이고 랭크 기반의 도구를 개발하기 위해.
• 순서가 매겨진 시스템 간의 구조적 차이를 포괄하지 못하는 요약 통계의 한계를 해결하기 위해.
• 구성 요소의 중요도가 시스템 간에 어떻게 변화하는지 드러내는 시각적이고 분석적 프레임워크—할로타크소미터리—를 창출하기 위해.
• 랭크된 목록 간의 조정 가능한, 분석적으로 기반을 둔 다이버전스 측정법으로서 랭크-터뷸런스 다이버전스(RTD)를 도입하기 위해.
• 실제 데이터 세트—언어, 생태학, 금융—를 포함한 다양한 분야에서 RTD의 강건성과 해석 가능성의 실증을 위해.

제안 방법

• RTD는 조정 가능한 매개변수 α를 사용하여 두 랭크된 목록 간의 다이버전스 측정법으로 정의되며, 이는 랭크 차이에 대한 민감도를 제어한다.
• 이 방법은 두 시스템 간의 상대적 랭크 전이를 시각화하기 위해 랭크-랭크 히스토GRAM을 활용하며, 구성 요소의 중요도 변화를 포착한다.
• 할로타크소미터리는 랭크-랭크 히스토GRAM과 다이버전스 기여도를 랭크한 목록과 통합하여, 구조적 변화의 시각적 서사 가능성을 제공한다.
• 다이버전스는 열역학적 유사성에 기반하여 분석적으로 유도되며, α는 역온도처럼 작용하여 시스템이 고랭크 또는 저랭크 구성 요소에 대해 얼마나 민감하게 반응할지를 제어한다.
• 데이터 오차나 구성 요소 누락 상황에서의 성능 평가를 위해 잘라내기 분석과 강건성 검증을 포함한다.
• 플립북과 상호작용 가능한 시각화 도구를 사용하여, 다양한 α 값에서 RTD의 조정 가능성과 동적 행동을 시연한다.

실험 결과

연구 질문

• RQ1 크기 순으로 랭크된 구성 요소를 가진 두 복잡한 시스템을 체계적으로 비교하는 방법은 무엇인가, 특히 구성 요소 분포가 여러 온도 범위를 가질 경우?
• RQ2 요약 통계에 의존하지 않고, 순서가 매겨진 시스템 내에서의 구조적 재구성 변화를 포괄하는 조정 가능한, 분석적으로 기반을 둔 다이버전스 측정법은 무엇인가?
• RQ3 시각적 대시보드—할로타크소그래프—는 두 시스템 간 구성 요소별 기여도를 어떻게 효과적으로 통신할 수 있는가?
• RQ4 RTD는 데이터 오류, 구성 요소 누락, 또는 시스템 잘라내기 상황에서 어느 정도 강건한가?
• RQ5 RTD는 언어, 생태학, 금융, 스포츠 등 다양한 분야에 일반적으로 적용될 수 있는가? 그리고 α 조정이 해석에 어떤 영향을 미치는가?

주요 결과

• 랭크-터뷸런스 다이버전스(RTD)는 온도 유사 매개변수 α를 사용하여 두 랭크된 목록 간의 차이를 정량화하는 조정 가능한, 분석적으로 도출된 다이버전스 측정법을 제공한다.
• 시장 자본화 및 아기 이름 데이터 세트에서 확인된 바와 같이, RTD는 데이터 변동, 구성 요소 누락, 잘라내기 상황에서도 강건하다.
• 할로타크소그래프는 구성 요소별 다이버전스 기여도를 효과적으로 시각화하며, 랭크 변화의 고영향도 변화를 명확히 분리한다.
• α = 0일 경우 RTD는 고랭크 구성 요소에 초점을 맞추며, α = ∞일 경우 모든 랭크가 동일하게 처리되어 다양한 분석적 필요에 맞는 탄력적인 해석이 가능하다.
• 이 방법은 다양한 시스템의 구조적 변화를 성공적으로 포착한다: 트위터와 책에서의 단어 사용, 종의 풍부도, 아기 이름 추세, 스포츠 랭킹.
• 플립북과 상호작용 가능한 시각화 도구는 RTD가 α = 0 또는 α = ∞로 조정되었을 때 시스템의 진화를 동적이고 해석 가능한 서사로 표현할 수 있음을 시연한다.