[논문 리뷰] Signed Network Modeling Based on Structural Balance Theory

Tyler Derr, Charų C. Aggarwal외 1명|arXiv (Cornell University)|2017. 10. 25.

Complex Network Analysis Techniques참고 문헌 34인용 수 3

한 줄 요약

이 논문은 구조적 균형 이론을 통합하여 도수 분포, 부호 분포, 균형/균형 잡히지 않은 삼각형 분포의 세 가지 핵심 성질을 유지하는 새로운 생성적 서명 네트워크 모델, 균형 잡힌 서명 창-루(Balanced Signed Chung-Lu, BSCL)를 제안한다. 이 모델은 자동 매개변수 학습을 통해 실제 서명 네트워크의 구조와 균형 역학을 거의 정확히 반영하는 합성 서명 네트워크를 생성한다.

ABSTRACT

The modeling of networks, specifically generative models, have been shown to provide a plethora of information about the underlying network structures, as well as many other benefits behind their construction. Recently there has been a considerable increase in interest for the better understanding and modeling of networks, but the vast majority of this work has been for unsigned networks. However, many networks can have positive and negative links(or signed networks), especially in online social media, and they inherently have properties not found in unsigned networks due to the added complexity. Specifically, the positive to negative link ratio and the distribution of signed triangles in the networks are properties that are unique to signed networks and would need to be explicitly modeled. This is because their underlying dynamics are not random, but controlled by social theories, such as Structural Balance Theory, which loosely states that users in social networks will prefer triadic relations that involve less tension. Therefore, we propose a model based on Structural Balance Theory and the unsigned Transitive Chung-Lu model for the modeling of signed networks. Our model introduces two parameters that are able to help maintain the positive link ratio and proportion of balanced triangles. Empirical experiments on three real-world signed networks demonstrate the importance of designing models specific to signed networks based on social theories to obtain better performance in maintaining signed network properties while generating synthetic networks.

연구 동기 및 목표

• 서명 엣지 의미 체계와 균형 이론과 같은 사회 원칙으로 인해 무서명 네트워크와 근본적으로 다른 서명 네트워크에 대해 원칙적인 생성 모델이 부족한 문제를 해결한다.
• 기존의 무서명 네트워크 모델이 서명 네트워크의 고유한 구조적 및 동적 성질을 포착하지 못하는 한계를 극복한다.
• 도수 분포, 양성/음성 링크 비율, 균형과 비균형 삼각형의 분포를 동시에 유지하는 생성 모델을 개발한다.
• 실제 사용자 데이터를暴露하지 않고도 연구, 벤치마킹, 근본 모델 테스트를 위한 개인정보 보호 기반 합성 네트워크 생성을 가능하게 한다.
• 실제 서명 네트워크 입력 기반으로 모델 매개변수를 자동으로 校정할 수 있는 자동 매개변수 학습 프레임워크를 제공하여 핵심 네트워크 성질의 정확한 복제를 보장한다.

제안 방법

• 창-루 무작위 그래프 모델에 기반한 생성 과정을 제안하며, 엣지 부호와 삼각형 균형 제약 조건을 통합하여 서명 네트워크로 확장한다.
• 두 가지 핵심 매개변수를 도입한다: 삼각형 균형 매개변수(균형 삼각형 비율을 제어)와 부호 균형 매개변수(양성과 음성 엣지 비율을 조절).
• 관측된 네트워크 성질을 기반으로 실제 서명 네트워크에서 이 매개변수들을 학습하는 자동 매개변수 추정 알고리즘을 설계한다.
• 서명 엣지에 맞게 조정된 우선적 연결 메커니즘을 통해 입력 네트워크의 도수 분포를 유지한다.
• 구조적 균형을 강제하기 위해, 예를 들어 세 개의 양성 엣지 또는 한 개의 양성과 두 개의 음성 엣지를 가진 일관된 부호 패턴을 가진 삼각형 형성을 선호한다.
• 학습된 매개변수와 목표 분포를 유지하면서 네트워크를 반복적으로 성장시키는 확률적 과정을 사용한다.

실험 결과

연구 질문

• RQ1 서명 네트워크에서 도수 분포, 부호 분포, 균형 삼각형 분포를 동시에 유지할 수 있는 생성 모델을 설계할 수 있는가?
• RQ2 구조적 균형 이론에 기반한 모델이 기존의 무서명 또는 히우리스틱 모델에 비해 실제 서명 네트워크의 구조적 성질을 얼마나 효과적으로 재현할 수 있는가?
• RQ3 자동 매개변수 학습이 수동 튜닝 없이도 합성 서명 네트워크의 정밀도를 얼마나 향상시킬 수 있는가?
• RQ4 제안된 모델이 생성한 네트워크가 실제 서명 네트워크와 삼각형 유형 분포 및 전체 네트워크 구조 측면에서 얼마나 유사한가?
• RQ5 이 모델이 서명 네트워크 분석 분야에서 개인정보 보호 기반 연구 및 알고리즘 벤치마킹을 위한 실제 데이터의 타당한 대안이 될 수 있는가?

주요 결과

• BSCL 모델은 실제 서명 네트워크의 도수 분포를 성공적으로 유지하며, 생성된 네트워크가 실제 입력 데이터와 최소한의 편차를 보였다.
• 모델은 실제 데이터셋인 Bitcoin-OTC, Bitcoin-Alpha, Epinions에서 관찰된 양성 대 음성 엣지 비율을 정확히 재현하였다.
• 세 가지 실제 서명 네트워크인 Bitcoin-OTC, Bitcoin-Alpha, Epinions에서 BSCL 모델은 다른 모델들에 비해 삼각형 유형 분포의 절대 차이가 가장 작았으며, 각각 0.102, 0.309, 0.309를 기록했다.
• 특히 {+,+,+} 및 {+,+,-} 삼각형의 빈도를 포착하는 데 있어, BSCL 모델은 STCL/SKron, Ants14, Evo07보다도 더 뛰어난 성능을 보였다.
• 자동 매개변수 학습 접근법 덕분에 모델은 수동 하이퍼파라미터 튜닝 없이도 고정밀도 합성 네트워크를 생성할 수 있었다.
• 실험 결과는 BSCL이 실제 서명 네트워크의 핵심 구조적 및 균형 관련 성질을 유지하는 데 효과적이며, 실질적인 개인정보 보호 대체 수 Mittel로 사용될 수 있음을 입증하였다.