[논문 리뷰] REM beyond dyads: relational hyperevent models for multi-actor interaction networks

Jürgen Lerner, Mark Tranmer외 2명|arXiv (Cornell University)|2019. 12. 16.

Complex Network Analysis Techniques참고 문헌 20인용 수 4

한 줄 요약

이 논문은 다자간 상호작용을 위한 초모서리(hyperedges)로 일반화된 관계 이벤트 모델(Relational Hyperevent Models, RHEM)을 제안한다. 이는 임의의 수의 참가자에 대해 시간에 따라 변화하는 이벤트 발생률을 모델링할 수 있도록 하며, 계산의 비효율성 문제를 해결하기 위해 케이스-컨트롤 샘플링을 적용함으로써 수십만 개의 노드와 초모서리를 가진 대규모 네트워크에서도 모델 파라미터를 성공적으로 추정한다. 이를 통해 이중적 상호작용을 넘는 고차원 의존성 구조를 드러낸다.

ABSTRACT

We introduce relational hyperevent models (RHEM) as a generalization of relational event models to events occurring on hyperedges involving any number of actors. RHEM can specify time-varying event rates for the full space of directed or undirected hyperedges and can be applied to model, among others, meetings, team assembly, team performance, or multi-actor communication. We illustrate the newly proposed model on two empirical hyperevent networks about meetings of government ministers and co-authoring of scientific papers.

연구 동기 및 목표

• 관계 이벤트 모델의 이중적 관계를 초월하여 다자간 상호작용 이벤트를 일반화한 프레임워크를 개발하는 것.
• 초그래프 네트워크에서 전체 우도 평가의 계산 비용이 과도한 문제를 해결하기 위해 샘플링 기법을 적용하는 것.
• 고차원 네트워크 구조를 포착하고 이벤트 발생률의 동적 변화를 기술하는 초모서리 통계량을 제안하는 것.
• 초모서리 크기를 조건화하는 모델과 이를 제어하는 모델을 구분함으로써 희박한 네트워크에서의 모델 타당성을 향상시키는 것.
• 팀 성과와 같은 결과를 분석하기 위해 관계 결과 모델(Relational Outcome Models, ROM)을 도입하여 RHEM의 적용 범위를 이벤트 발생을 넘어서 이벤트 영향력 분석으로 확장하는 것.

제안 방법

• RHEM은 관계 이벤트 모델(REM)을 초모서리로 일반화하여, 임의의 수의 참가자가 포함된 모든 가능한 유향 또는 무향 초모서리에서 이벤트 발생률을 지정할 수 있도록 한다.
• 모델은 네트워크 구조와 역사적 정보를 반영하는 초모서리 통계량으로 매개변수화된 로그선형 공식을 사용한다.
• 계산 복잡도를 관리하기 위해 논문은 케이스-컨트롤 샘플링을 적용하며, 관측된 초모서리 이벤트('케이스')를 위험집합에서 유사하지만 발생하지 않은 비이벤트('컨트롤')와 비교한다.
• 위험집합은 특정 크기의 초모서리 중에서 실제로 이벤트가 발생하지 않은 모든 초모서리를 의미하며, 크기 조건화를 통해 모델의 타당성을 향상시킨다.
• 위험집합의 극단적인 비균형성과 의미 있는 효과가 가려지는 것을 방지하기 위해, 새로운 이벤트와 반복 이벤트를 별도로 모델링하는 방법을 제안한다.
• 이벤트 발생 이외의 영향력 분석을 가능하게 하기 위해 관계 결과 모델(Relational Outcome Models, ROM)을 도입하여 RHEM의 적용 범위를 확장한다.

실험 결과

연구 질문

• RQ1 다자간 상호작용을 다루기 위해 관계 이벤트 모델을 초모서리를 통해 두 명 이상의 참가자를 포함하는 방식으로 일반화할 수 있는가?
• RQ2 지수적 우도 복잡도를 가진 대규모 초그래프 네트워크에서 RHEM의 파라미터를 신뢰성 있게 추정할 수 있는 통계 기법은 무엇인가?
• RQ3 케이스-컨트롤 샘플링에서 이벤트와 비이벤트 간의 의미 있는 비교를 보장하기 위해 가능한 대체 초모서리를 어떻게 정의할 수 있는가?
• RQ4 반복, 상호성, 삼중 클로징과 같은 고차원 네트워크 의존성을 효과적으로 포착하는 초모서리 통계량은 무엇인가?
• RQ5 초모서리 크기의 영향과 네트워크의 구조적 또는 행동적 특성에 기인한 효과를 어떻게 분리하여 모델링할 수 있는가?

주요 결과

• RHEM은 다자간 상호작용 네트워크에서 가능한 모든 초모서리에 대해 시간에 따라 변화하는 이벤트 발생률을 성공적으로 모델링하여, 이중적 모델이 표현할 수 없는 의존성을 포착한다.
• 케이스-컨트롤 샘플링을 통해 공동 저자 네트워크에서 10만 명 이상의 저자와 수십만 개의 초모서리가 포함된 대규모 네트워크에서도 지수적 우도 계산의 문제를 해결하고 신뢰할 수 있는 파라미터 추정이 가능해졌다.
• 반복 이벤트—특히 최근 하위집합의 부분 반복—는 상당히 높은 이벤트 발생률을 보이며, 강력한 시간적 및 구조적 의존성을 시사한다.
• 초모서리 크기에 조건화하는 것은 모델의 안정성과 타당성을 향상시키며, 극단적이거나 비균형적인 위험집합에 대한 과적합 위험을 줄인다.
• 희박한 네트워크에서는 새로운 이벤트와 반복 이벤트를 별도로 모델링하는 것이 필수적이며, 이는 주요 효과가 다른 의미 있는 구조적 패턴을 가리지 않도록 한다.
• 관계 결과 모델(Relational Outcome Models, ROM)은 공동 저자 네트워크에서 팀 성과를 성공적으로 설명하며, RHEM이 이벤트 발생을 넘어서 이벤트 영향력 분석으로 확장될 수 있음을 보여준다.