[논문 리뷰] Maximum entropy approach to link prediction in bipartite networks

Margarita Baltakienė, Kęstutis Baltakys외 6명|arXiv (Cornell University)|2018. 05. 11.

Complex Network Analysis Techniques참고 문헌 32인용 수 3

한 줄 요약

이 논문은 차수 수열 제약 조건 하에서 제약을 받는 엔트로피 최대화를 사용하여 링크 확률을 모델링함으로써 링크 예측을 위한 최대 엔트로피 프레임워크를 이원형 네트워크로 확장한다. 이 방법은 실제 금융 및 사회 네트워크에서 뛰어난 성능을 보이며, 엔트로피와 우도 최적화를 통한 확률적 링크 추론을 통해 최신 기법들을 능가한다.

ABSTRACT

Within network analysis, the analytical maximum entropy framework has been very successful for different tasks as network reconstruction and filtering. In a recent paper, the same framework was used for link-prediction for monopartite networks: link probabilities for all unobserved links in a graph are provided and the most probable links are selected. Here we propose the extension of such an approach to bipartite graphs. We test our method on two real world networks with different topological characteristics. Our performances are compared to state-of-the-art methods, and the results show that our entropy-based approach has a good overall performance.

연구 동기 및 목표

• 단일층 네트워크에서의 최대 엔트로피 접근법을 이원형 네트워크로 확장하기.
• 이원형 네트워크에서 관측되지 않은 링크를 차수 제약 조건 하에서 엔트로피 최대화를 통해 모델링하기.
• 실제 이원형 네트워크에서의 성능 평가 및 최신 링크 예측 기법들과의 비교.
• 관측된 구조적 특성을 유지하는 원칙적인 확률적 프레임워크를 제공하기.

제안 방법

• 이중형 구성 모델을 사용하여 상하 두 층의 고정된 차수 수열을 가진 모든 가능한 이원형 그래프 위의 확률 분포를 정의한다.
• 상층 및 하층 노드의 기대 차수 수열에 대한 제약 조건 하에서 엔트로피를 최대화함으로써 각 잠재 링크에 대한 인수 분해 확률 형태를 도출한다.
• 쌍 (i, α)에 대한 링크 확률은 $ \frac{x_i y_\alpha}{1 + x_i y_\alpha} $ 로 모델링되며, 여기서 $ x_i $ 와 $ y_\alpha $ 는 차수 제약 조건에서 유도된 라그랑주 승수이다.
• 모델 파라미터는 관측된 네트워크 구조의 로그 우도를 최대화하여 추정되며, 이는 경험적 차수 수열과의 일致성을 보장한다.
• 잠재 링크 예측을 위해 확률이 추정된 쌍들을 순위 매김하는 방식으로 방법을 적용한다.
• 성능 평가는 제거된 링크의 프로브 세트를 사용하여 ROC 곡선 아래 면적(AUC) 및 기타 표준 지표를 기준으로 기준 기법과 비교한다.

실험 결과

연구 질문

• RQ1 최대 엔트로피 프레임워크는 이원형 네트워크로 성공적으로 확장될 수 있는가?
• RQ2 실제 이원형 네트워크에서 엔트로피 기반 방법은 최신 기술 대비 어떻게 성능을 내는가?
• RQ3 차수 제약 조건을 통합함으로써 이원형 시스템에서 링크 예측 정확도는 어느 정도 향상되는가?
• RQ4 엔트로피와 우도 최적화에 기반한 확률적 수식은 다양한 네트워크 유형에서 안정적이고 일반화 가능한 예측을 제공하는가?

주요 결과

• 엔트로피 기반 방법은 베네수엘라 은행 및 자산 네트워크와 공동 저자 네트워크를 포함한 두 개의 실세계 이원형 네트워크에서 뛰어난 링크 예측 성능을 달성한다.
• 다양한 평가 지표에서 공통 이웃, 자원 할당, 국소 커뮤니티 링크 스코어와 같은 최신 기법들과 비교해도 성능이 뛰어나거나 동등하다.
• 모델의 성능은 서로 다른 구조적 특성을 가진 네트워크에서도 안정적이며, 일반화 가능성에 기여한다.
• 차수 제약 조건 하에서 엔트로피 최대화를 적용함으로써, 불완전한 이원형 시스템에서 링크 예측을 위한 원칙적이고 통계적으로 타당한 방법이 도출된다.
• 이 프레임워크는 링크 가능성의 통합된 확률적 해석을 제공하여 예측뿐만 아니라 불확실성 정량화도 가능하게 한다.