[논문 리뷰] The Multivariate Community Hawkes Model for Dependent Relational Events in Continuous-time Networks

Hadeel Soliman, Lingfei Zhao외 3명|arXiv (Cornell University)|2022. 05. 02.

Point processes and geometric inequalities인용 수 5

한 줄 요약

논문은 다변량 공동체 하크스(MULCH) 모델을 제안한다. 이는 공동체 기반의 자극 행렬을 사용해 노드 쌍 간의 종속적인 관계 이벤트를 구조화된 다변량 하크스 과정으로 연속 시간 네트워크에서 포착하는 유연한 연속 시간 네트워크 모델이다. 참여 이동과 같은 사회학적으로 영감을 받은 자극을 통합함으로써, 기존 모델에 비해 훨씬 뛰어난 미래 이벤트 예측 성능과 삼각형, 상호성과 같은 현실적인 시간 모티프 생성 능력을 확보한다.

ABSTRACT

The stochastic block model (SBM) is one of the most widely used generative models for network data. Many continuous-time dynamic network models are built upon the same assumption as the SBM: edges or events between all pairs of nodes are conditionally independent given the block or community memberships, which prevents them from reproducing higher-order motifs such as triangles that are commonly observed in real networks. We propose the multivariate community Hawkes (MULCH) model, an extremely flexible community-based model for continuous-time networks that introduces dependence between node pairs using structured multivariate Hawkes processes. We fit the model using a spectral clustering and likelihood-based local refinement procedure. We find that our proposed MULCH model is far more accurate than existing models both for predictive and generative tasks.

연구 동기 및 목표

• 기존 연속 시간 네트워크 모델이 노드 쌍 간의 조건부 독립을 가정함으로써 고차원 네트워크 모티프를 정확히 모델링할 수 없는 한계를 해결하기 위해.
• 동적 네트워크에서 상호성, 참여 이동, 동맹 역학과 같은 복잡한 의존성을 포괄하는 계산적으로 타당하면서도 민첩한 모델을 개발하기 위해.
• 특히 짧은 시간 창 내에서 다수의 이벤트를 포함하는 모티프에 대해 타임스탬프가 부여된 관계 이벤트 데이터의 예측 성능 및 생성 정밀도를 향상시키기 위해.
• 실제 네트워크, 예를 들어 군사 분쟁과 같은 분석을 위한 모델 기반 탐색적 분석을 가능하게 하여 잠재적 공동체 행동 양태와 반응 패tern을 드러내기 위해.

제안 방법

• MULCH 모델은 스 tochastic block model(SBM)과 다변량 하크스 과정을 조합하며, 노드 i와 j의 공동체 소속에 기반해 종속성을 유도하는 구조화된 자극 행렬 α를 사용한다.
• 공동체 할당을 초기화하기 위해 스펙트럴 클러스터링 알고리즘을 활용하고, 이후 모델 파라미터 최적화를 위해 가능도 기반 국소 정밀 조정을 수행한다.
• 자기 자극, 상호 자극, 동맹 지속, 전환 지속, 일반화된 상호성, 동맹 상호성 등 사회학적 이론에 기반한 다수의 자극 유형을 모델에 통합한다.
• 각 노드 쌍 (i,j)에 대한 조건부 강도 함수는 λ_ij(t) = μ_ij + Σ_k α_ij^k * γ_k(t - t_s)로 모델링되며, 자극 α_ij^k는 노드 i와 j의 공동체 소속에 따라 결정된다.
• 이중 단계 절차를 통해 모델을 피팅한다: 스펙트럴 클러스터링을 통한 초기 공동체 탐지 및 가능도 최대화를 통한 반복 최적화.
• 자극 행렬 α는 블록 구조로 제약되며, 이는 노드 쌍 간의 풍부한 의존 패턴을 유지하면서도 효율적인 계산을 가능하게 한다.

실험 결과

연구 질문

• RQ1 연속 시간 네트워크 모델이 실제 네트워크에서 흔한 삼각형, 상호성과 같은 고차원 시간 모티프를 효과적으로 포착할 수 있는가?
• RQ2 조건부 독립을 가정하지 않고도 노드 쌍 간의 의존성을 계산적으로 타당하게 모델링할 수 있는 방법은 무엇인가?
• RQ3 참여 이동과 같은 사회학적으로 유도된 자극 유형을 통합할 경우, 실제 데이터에서 모델 성능이 얼마나 향상되는가?
• RQ4 MULCH 모델이 타임스탬프가 부여된 관계 이벤트 데이터에 대해 예측 정확도와 생성 정밀도 양면에서 기존 모델을 능가할 수 있는가?
• RQ5 군사 분쟁과 같은 실제 네트워크에서 자극 패턴을 분석함으로써 집단 행동에 대한 어떤 통찰을 도출할 수 있는가?

주요 결과

• MULCH 모델은 Reality 및 Enron 데이터셋에서 기존 모델인 CHIP과 BHM에 비해 훨씬 뛰어난 미래 이벤트 예측 성능을 보이며, 보류된 데이터에 대해 더 높은 로그 가능도 점수를 기록한다.
• MULCH는 자기 자극 또는 무작위 할당만을 사용하는 모델에 비해 실제 데이터와 유사하게 3노드 시간 모티프의 상대 빈도를 성공적으로 재현한다. 이는 상호작용 및 삼각형 유사 패턴을 포함한다.
• 군사 분쟁 사례 연구에서, 모델은 동맹 지속에 대해 높은 자극을 보이는 NATO 회원국(블록 1)과 유고슬라비아, 수단 등(블록 2) 간의 쌍을 식별했으며, 이는 1999년 NATO의 유고슬라비아 폭격과 같은 역사적 갈등을 정확히 반영하고 있다.
• 강한 자기 자극(α ≈ 0.9)과 상호성(α ≈ 0.7)을 확인했고, 전환 지속(α ≈ 0.03)과 동맹 지속(α ≈ 0.04)은 약하지만 의미 있는 자극을 보이며, 이는 국가 간의 조율된 반응을 시사한다.
• 블록 쌍 (2,1)의 자극 패턴은 높은 전환 지속성을 보이며, 역사적 서사와 일치하는 바에 따라 유고슬라비아가 NATO 국가에 대해 빠른 보복 조치를 취한 것을 반영한다.
• MULCH가 생성한 모티프 수의 체스보드 패턴은 실제 데이터와 매우 유사하게 나타나, 실제 네트워크에서 관찰되는 복잡하고 비균일한 시간 모티프 분포를 모델이 잘 포착하고 있음을 시사한다.