[논문 리뷰] Modeling and detecting change in temporal networks via a dynamic degree corrected stochastic block model

James Wilson, Nathaniel T. Stevens외 1명|arXiv (Cornell University)|2016. 05. 13.

Advanced Database Systems and Queries인용 수 5

한 줄 요약

이 논문은 시간에 따라 변화하는 네트워크의 구조적 변화를 탐지하기 위해 동적 도수 보정 스토케스틱 블록 모델(DCSBM)과 통계적 공정 관리 기법을 조합한 방법을 제안한다. 추정된 DCSBM 파라미터에 Shewhart 및 EWMA 제어도를 적용하여 네트워크의 구조적 변화를 탐지하고, 1867년부터 2015년까지의 미국 상원 공동 투표 네트워크에서 이분 구조의 밀착성과 극화 현상을 성공적으로 탐지하였다.

ABSTRACT

In many applications it is of interest to identify anomalous behavior within a dynamic interacting system. Such anomalous interactions are reflected by structural changes in the network representation of the system. We propose and investigate the use of a dynamic version of the degree corrected stochastic block model (DCSBM) to model and monitor dynamic networks that undergo a significant structural change. We apply statistical process monitoring techniques to the estimated parameters of the DCSBM to identify significant structural changes in the network. Application of our surveillance strategy to the dynamic U.S. Senate co-voting network reveals that we are able to detect significant changes in the network that reflect both times of cohesion and times of polarization among Republican and Democratic party members. These findings provide valuable insight about the evolution of the bipartisan political system in the United States. Our analysis demonstrates that the dynamic DCSBM monitoring procedure effectively detects local and global structural changes in dynamic networks. The DCSBM approach is an example of a more general framework that combines parametric random graph models and statistical process monitoring techniques for network surveillance.

연구 동기 및 목표

• 통계적 공정 관리 기법을 활용하여 동적 네트워크의 구조적 이상을 탐지할 수 있는 확장 가능한 프레임워크를 개발한다.
• 시간에 따라 변화하는 네트워크에서 공동체 구조와 연결 패턴의 중대한 변화를 식별하는 데 도전하는 문제를 해결한다.
• 특히 미국 상원 공동 투표 네트워크와 같이 실제 데이터에 적용하여 역사적으로 의미 있는 네트워크 변화를 밝혀내는 것을 목표로 한다.
• 매개변수 기반 무작위 그래프 모델과 SPM 기법을 조합하여 온라인 네트워크 감시에 효과적임을 입증한다.
• DCSBM과 Shewhart/EWMA 제어도를 초월하여 다양한 동적 네트워크 모델과 제어도 유형에 일반화 가능한 방법을 제공한다.

제안 방법

• 공동체 구조와 이질적인 연결성을 가지는 시간에 따라 변화하는 네트워크를 모델링하기 위해 동적 도수 보정 스토케스틱 블록 모델(DCSBM)의 변형을 사용한다.
• 최대우도추정법을 통해 공동체 소속, 공동체 간 연결 확률, 노드별 도수 파라미터 등의 DCSBM 파라미터를 추정한다.
• 특히 Shewhart 및 지수 가중 이동 평균(EWMA) 제어도를 포함한 통계적 공정 관리(SPM) 기법을 추정된 파라미터에 적용하여 중대한 변화를 탐지한다.
• 파라미터 추정치를 시간에 따라 모니터링하여 제어 한계를 초월하는 변동이 발생할 경우 구조적 변화로 간주하여 경고를 발생시킨다.
• 온라인 감시를 시작하기 전에 제어 상태의 파라미터 분포를 설정하기 위해 단계 I 추정 방법을 활용한다.
• 알려진 변화점이 있는 시뮬레이션을 통해 방법의 유효성을 검증하고, 역사적 미국 상원 공동 투표 네트워크에 적용하여 실제 세계의 변화를 탐지한다.

실험 결과

연구 질문

• RQ1 동적 DCSBM과 SPM을 조합하여 시간에 따라 변화하는 네트워크에서 의미 있는 구조적 변화를 탐지할 수 있는가?
• RQ2 실제 동적 네트워크에서 공동체 구조와 연결 패턴의 변화를 식별하는 데 이 방법이 얼마나 효과적인가?
• RQ3 DCSBM 파라미터에서 탐지된 변화가 미국 상원 공동 투표 네트워크의 알려진 역사적 사건과 부합하는가?
• RQ4 다른 SPM 기법(Shewhart 대비 EWMA)은 네트워크 파라미터 변화 탐지에서 어떻게 비교되는가?
• RQ5 이 방법은 네트워크 구조의 미세하거나 중간 정도의 변화를 탐지하는 데 얼마나 높은 통계적 검정력을 유지하는가?

주요 결과

• 이 방법은 미국 상원 공동 투표 네트워크에서 이분 구조의 밀착성과 극화 증가 기간을 성공적으로 탐지하였으며, 특히 주요 정치적 사건 주변에서 그러한 경향을 보였다.
• Shewhart 및 EWMA 제어도 모두 구조적 변화 탐지에 뛰어난 성능을 보였으며, 제어 상태에서 낮은 위험 경고 비율을 나타내는 평균 운행 길이(ARL) 값이 유의미했다.
• 공동체 간 연결 확률에서 ε = 0.10의 변화가 발생했을 경우, 평균 ARL은 Shewhart 기준 2.67, EWMA 기준 2.36로 떨어져 큰 변화에 매우 민감한 것으로 나타났다.
• 1994년 공화당 혁명 기간 동안 중대한 구조적 변화가 탐지되었으며, 이는 알려진 정치적 재편과 당파 투표 증가와 일치했다.
• 시뮬레이션 결과, 공동체 융합 및 분할 사건을 높은 검정력으로 탐지하였으며, 변화의 크기(ε 또는 τ)가 클수록 그 성능이 향상되었다.
• 50개 노드로 구성된 네트워크에서 공동체 분할을 탐지할 경우, m=25일 때 평균 ARL은 220.6, m=50일 때는 169.5로 나타나 Phase I 샘플 크기가 클수록 탐지 성능이 향상됨을 보였다.