[논문 리뷰] Effects of time window size and placement on the structure of aggregated networks

Gautier Krings, Márton Karsai외 3명|arXiv (Cornell University)|2012. 02. 06.

Complex Network Analysis Techniques참고 문헌 20인용 수 17

한 줄 요약

이 연구는 익명화된 이동통신 기록을 사용하여 시간 창 크기와 위치가 집계된 시간적 네트워크의 구조적 특성에 미치는 영향을 조사한다. 연구 결과, 약 1주일 이내로 공동체 구조가 나타나며, 차수 및 무게 분포는 수일에서 수주 내로 안정화되며, 30일 창이 가장 안정된 네트워크 구조를 제공하는 것으로 나타났다. 이와 더불어 더 긴 창은 약한 연결성과 무작위 연결성을 강화한다.

ABSTRACT

Complex networks are often constructed by aggregating empirical data over time, such that a link represents the existence of interactions between the endpoint nodes and the link weight represents the intensity of such interactions within the aggregation time window. The resulting networks are then often considered static. More often than not, the aggregation time window is dictated by the availability of data, and the effects of its length on the resulting networks are rarely considered. Here, we address this question by studying the structural features of networks emerging from aggregating empirical data over different time intervals, focussing on networks derived from time-stamped, anonymized mobile telephone call records. Our results show that short aggregation intervals yield networks where strong links associated with dense clusters dominate; the seeds of such clusters or communities become already visible for intervals of around one week. The degree and weight distributions are seen to become stationary around a few days and a few weeks, respectively. An aggregation interval of around 30 days results in the stablest similar networks when consecutive windows are compared. For longer intervals, the effects of weak or random links become increasingly stronger, and the average degree of the network keeps growing even for intervals up to 180 days. The placement of the time window is also seen to affect the outcome: for short windows, different behavioural patterns play a role during weekends and weekdays, and for longer windows it is seen that networks aggregated during holiday periods are significantly different.

연구 동기 및 목표

• 집계 시간 창 길이와 위치가 실제 시간적 네트워크의 구조적 특성에 미치는 영향를 이해한다.
• 클러스터링, 차수 분포, 연결성과 같은 핵심 네트워크 특성들이 안정되거나 크게 변화하는 시간 스케일을 특정한다.
• 인간 소통 네트워크에서 반복적이고 안정적인 네트워크 특성을 가장 잘 포착할 수 있는 최적의 집계 창이 존재하는지 규명한다.
• 행동 패턴(예: 평일 대비 주말, 공휴일 기간 등)이 창 위치 효과를 통해 네트워크 구조에 미치는 영향을 조사한다.

제안 방법

• 6개월 동안 벨기에 통신사의 시간이 태그된 이동통신 기록을 다양한 시간 창을 사용하여 정적 네트워크로 집계한다.
• 표준 네트워크 지표를 계산: 클러스터링 계수, 평균 차수, 차수 및 무게 분포, 최대 연결 성분의 크기.
• 서로 다른 길이의 연속적인 겹치지 않는 시간 창을 비교하여 구조적 유사성과 안정성을 평가한다.
• 커뮤니티 구조의 출현 여부를 평가하기 위해 링크 무게 분포와 이웃의 겹침을 분석한다.
• 평일, 주말, 공휴일 기간 간 네트워크 구조의 차이를 분석하여 창 위치 효과를 평가한다.
• 시간 스케일 전반에서 기저 과정의 정적 상태를 식별하기 위해 스케일링된 분포를 사용한다.

실험 결과

연구 질문

• RQ1 클러스터링 및 차수 분포와 같은 핵심 네트워크 특성이 안정화되기 시작하는 시간 창 길이는 어느 정도인가?
• RQ2 집계 창의 위치(예: 평일 대비 주말, 공휴일 대비 비공휴일 기간)가 결과 네트워크 구조에 어떤 영향을 미치는가?
• RQ3 연속적인 간격 동안 가장 구조적으로 유사하고 안정적인 네트워크를 생성하는 최적의 시간 창 길이는 무엇인가?
• RQ4 강한 반복적 링크에 의해 이끌리는 공동체 구조는 집계 과정에서 얼마나 이르게 탐지될 수 있는가?
• RQ5 집계 창이 길어질수록 약한 또는 무작위 링크(예: 단발성 통화)가 네트워크 구조에 얼마나 심각하게 왜곡을 초래하는가?

주요 결과

• 클러스터링 계수가 약 9일에 최고치를 보이며, 이는 약 1주일 내로 공동체 구조가 형성되기 시작한다는 것을 시사한다.
• 차수 분포는 약 3일 후, 무게 분포는 약 3주 후에 정적 상태에 도달함을 시사하여 기본 네트워크 통계의 조기 안정성을 나타낸다.
• 30일 창으로 집계된 네트워크는 연속된 창과 가장 높은 구조적 유사성을 보이며, 이 시간 스케일에서 최대 안정성이 확보됨을 시사한다.
• 30일을 초과하는 집계 간격에서는 평균 차수가 계속 증가함을 확인하여, 약한 또는 무작위 링크의 영향력이 증가함을 나타낸다.
• 주말 통화 패턴은 평일 대비 최대 연결 성분의 성장 속도가 느리며, 이는 평일 통화가 구조적 단절을 줄이는 데 기여함을 시사한다.
• 공휴일 기간 동안 집계된 네트워크는 공휴일 외부와 상당한 차이를 보이며, 행동 패턴의 변화가 네트워크 구조에 미치는 영향을 강조한다.