[논문 리뷰] Minimum curvilinear automata with similarity attachment for network embedding and link prediction in the hyperbolic space

Alessandro Muscoloni, Carlo Vittorio Cannistraci|arXiv (Cornell University)|2018. 02. 04.

Complex Network Analysis Techniques참고 문헌 23인용 수 14

한 줄 요약

이 논문은 최소 스패닝 트리(MST)를 기반으로 국소 유사도에 따라 노드를 탐욕적으로 첨부하는 유사도 첨부 기반의 최소 곡선 자동기계(MCA)를 소개한다. 이는 초반부에 하이퍼볼릭 공간에 네트워크를 임bedding하는 데 성공적으로 활용되며, 중간 정도의 임베딩 정확도에도 불구하고 최신 기술 수준의 링크 예측 성능을 달성한다. 방법은 순차적인 유사도 기반 성장을 통해 하이퍼볼릭 각도 좌표를 효율적으로 근사하며, 간선 수에 비례해 거의 선형적인 시간 복잡도를 보인다.

ABSTRACT

The idea of minimum curvilinearity (MC) is that the hidden geometry of complex networks, in particular when they are sufficiently sparse, clustered, small-world and heterogeneous, can be efficiently navigated using the minimum spanning tree (MST), which is a greedy navigator. The local topological information drives the global geometrical navigation and the MST can be interpreted as a growing path that greedily maximizes local similarity between the nodes attached at each step by globally minimizing their overall distances in the network. This is also valid in absence of the network structure and in presence of only the nodes geometrically located over the network generative manifold in a high-dimensional space. We know that random geometric graphs in the hyperbolic space are an adequate model for realistic complex networks: the explanation of this connection is that complex networks exhibit hierarchical, tree-like organization, and in turn the hyperbolic geometry is the geometry of trees. Here we show that, according to a mechanism that we define similarity attachment, the visited node sequence of a network automaton can efficiently approximate the nodes' angular coordinates in the hyperbolic disk, that actually represent an ordering of their similarities. This is a consequence of the fact that the MST, during its greedy growing process, at each step sequentially attaches the node most similar (less distant) to its own cohort. Minimum curvilinear automata (MCA) displays embedding accuracy which seems superior to HyperMap-CN and inferior to coalescent embedding, however its link prediction performance on real networks is without precedent for methods based on the hyperbolic space. Finally, depending on the data structure used to build the MST, the MCA's time complexity can also approach a linear dependence from the number of edges.

연구 동기 및 목표

• 희박하고 클러스터링되어 있으며 소월드 성질을 띠는 네트워크에서 링크 예측 성능을 향상시키기 위해 하이퍼볼릭 기하학을 활용하는 네트워크 임베딩 방법을 개발하는 것.
• 최소 곡선 자동기계(MCA)를 사용하여 복잡한 네트워크의 계층적이고 트리 구조를 모델링하는 것. 이 MCA는 유사도 기반의 노드 첨부를 통해 성장한다.
• MST에서의 노드 첨부 순서를 활용하여 하이퍼볼릭 디스크의 각도 좌표를 근사함으로써, 기하학적으로 의미 있는 방식으로 노드 간의 유사도를 반영하는 것.
• MST 데이터 구조에 따라 간선 수에 비례해 거의 선형적인 시간 복잡도를 달성함으로써 효율적인 계산을 실현하는 것.
• 실제 네트워크에서 기존의 하이퍼볼릭 임베딩 방법들과 비교하여 MCA의 성능을 평가하는 것.

제안 방법

• 이 방법은 전역 거리를 최소화하면서도 각 첨부 단계에서 국소 유사도를 최대화하는 탐욕적인 내비게이터로서 최소 스패닝 트리(MST)를 구성한다.
• 노드 첨부는 유사도 첨부 메커니즘을 따르며, 각 신규 노드는 기존 트리에 포함된 노드들 중에서 가장 높은 유사도(가장 낮은 거리)를 가진 노드에 연결된다.
• MST 성장 과정 중의 노드 첨부 순서를 활용하여 하이퍼볼릭 디스크에서의 각도 좌표를 추론하며, 이는 노드의 유사도 기반 순서를 나타낸다.
• 결과적으로, MST 순회를 통해 유도된 각도 및 반경 좌표를 사용하여 노드들이 하이퍼볼릭 공간에 매핑된다.
• 알고리즘의 시간 복잡도는 MST 구성에 적합한 데이터 구조를 선택함으로써 최적화되어 간선 수에 비례해 거의 선형적인 스케일링을 가능하게 한다.
• 실제 네트워크에 적용하여 임베딩 정확도와 링크 예측 성능를 모두 평가한다.

실험 결과

연구 질문

• RQ1 MST 기반의 탐욕적이고 유사도 기반의 자동기계가 복잡한 네트워크에서 하이퍼볼릭 기하학을 효과적으로 근사할 수 있는가?
• RQ2 MST에서의 노드 첨부 순서는 하이퍼볼릭 공간에서의 실제 각도 유사도 순서를 어느 정도 반영하는가?
• RQ3 실제 네트워크에서 MCA는 기존의 하이퍼볼릭 임베딩 방법들과 비교해 링크 예측 정확도에서 어떤가?
• RQ4 MCA의 계산 효율성은 특히 MST 데이터 구조의 선택과 어떤 관계가 있는가?
• RQ5 MST 기반 접근법은 기하학적 노드 위치만을 기반으로 하며 명시적인 네트워크 구조 없이도 의미 있는 네트워크 임베딩을 달성할 수 있는가?

주요 결과

• MCA는 하이퍼볼릭 공간 기반 방법들 중에서 링크 예측 성능가 최신 기술 수준에 도달했으며, 중간 정도의 임베딩 정확도에도 불구하고 기존 방법들을 능가한다.
• 임베딩 정확도 측면에서 MCA는 HyperMap-CN보다 뛰어나지만 coalescent embedding에는 약간 열등하여 정확도와 예측 능력 사이의 강력한 트레이드오프를 보여준다.
• MST에서의 노드 첨부 순서는 하이퍼볼릭 디스크에서의 노드 각도 좌표를 효과적으로 근사하며, 이는 노드 간의 유사성 관계를 반영한다.
• MCA의 시간 복잡도는 MST 구성에 사용된 데이터 구조에 따라 간선 수에 비례해 거의 선형적인 의존성을 보일 수 있다.
• 이 방법은 국소 유사도와 전역 거리 최소화에 기반한 단순한 탐욕적 메커니즘을 통해 계층적 네트워크 구조를 효과적으로 포착함으로써 뛰어난 강건성을 보였다.