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

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

Complex Network Analysis Techniques참고 문헌 60인용 수 26

한 줄 요약

이 논문은 통계적 공정 관리(Statistical Process Control)를 통해 추정된 모델 파라미터를 모니터링하여 시간에 따라 변화하는 네트워크의 구조적 변화를 탐지하기 위해 동적 도수 보정 스토케스틱 블록 모델(DCSBM)을 제안한다. 미국 상원 공동 투표 네트워크에 적용된 결과, 이중성의 응집과 극화 기간을 성공적으로 식별하였으며, 국소적이고 전역적인 네트워크 변화 모두 효과적으로 탐지함을 보여준다.

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

• 구조적 변화가 비정상적 행동을 나타내는 동적 시스템의 진화하는 네트워크 구조를 모델링하기 위해.
• 시간에 따라 변화하는 네트워크에서의 중대한 구조적 이동을 탐지하는 감시 프레임워크를 개발하기 위해.
• 실시간 변화 탐지를 위해 동적 DCSBM의 파라미터에 통계적 공정 모니터링을 적용하기 위해.
• 네트워크의 구조적 변화를 통해 미국 상원의 양당제 진화에 대한 통찰을 제공하기 위해.

제안 방법

• 시간에 따라 변화하는 네트워크 구조를 표현하기 위해 도수 보정 스토케스틱 블록 모델(DCSBM)의 동적 버전을 사용한다.
• 블록 소속 및 간선 확률을 포함한 모델 파라미터를 이산 시간 윈도우 간에 추정한다.
• 유의미한 이탈을 탐지하기 위해 추정된 DCSBM 파라미터에 통계적 공정 모니터링 기법을 적용한다.
• 파라미터 궤적(trajectory)이 제어 한계를 초과할 경우 변화 탐지가 촉발되며, 이는 구조적 이동을 나타낸다.
• 시간에 따라 파라미터의 안정성을 추적함으로써 국소적 및 전역적 변화 탐지를 모두 가능하게 한다.
• 네트워크 감시를 위해 비모수적 랜덤 그래프 모델과 통계적 공정 제어를 통합한 프레임워크를 제공한다.

실험 결과

연구 질문

• RQ1 동적 DCSBM은 네트워크 구조의 시간적 변화를 효과적으로 모델링할 수 있는가?
• RQ2 어떤 통계 기법이 동적 네트워크에서의 구조적 이동을 신뢰성 있게 탐지할 수 있는가?
• RQ3 DCSBM 파라미터의 변화는 정치적 극화와 같은 실제 세계의 네트워크 현상과 어떻게 관련되는가?
• RQ4 이 방법은 실제 네트워크에서 국소적 및 전역적 구조적 변화를 탐지할 수 있는가?
• RQ5 네트워크의 구조적 변화 탐지를 통해 미국 상원의 양당제에 대한 어떤 통찰을 얻을 수 있는가?

주요 결과

• 동적 DCSBM은 시간에 따라 미국 상원 공동 투표 네트워크에서 중대한 구조적 변화를 성공적으로 탐지한다.
• 이 방법은 공화당 및 민주당 상원의원 간 응집력과 극화가 증가한 기간을 식별한다.
• 변화 탐지 결과는 의회에서 알려진 정치적 극화 및 양당제 전환의 역사적 사건과 일치한다.
• 이 방법은 네트워크 구조의 국소적 및 전역적 이동을 효과적으로 포착한다.
• DCSBM과 통계적 공정 모니터링의 통합은 강력하고 데이터 기반의 네트워크 감시를 가능하게 한다.
• 결과는 이 방법이 실제 시스템에서 진화하는 네트워크 역학을 드러내는 데 실용적임을 보여준다.