[논문 리뷰] The Slashdot Zoo: Mining a Social Network with Negative Edges

Jérôme Kunegis, Andreas Lommatzsch외 1명|arXiv (Cornell University)|2017. 10. 31.

Complex Network Analysis Techniques참고 문헌 27인용 수 392

한 줄 요약

이 논문은 양성(친구) 및 음성(적) 간선을 가진 사회적 네트워크를 위한 서명된 네트워크 분석 기법을 소개하며, Slashdot Zoo 데이터셋을 사용한다. 행렬 지수와 서명된 라플라시안을 기반으로 한 대수적 방법을 제안하여 '내 적의 적은 내 친구'라는 다중성 전이를 모델링한다. 이러한 방법은 링크 서명 예측 및 불인기 사용자 식별에서 전통적인 무서명된 접근 방식보다 뚜렷이 뛰어난 성능을 보여준다.

ABSTRACT

We analyse the corpus of user relationships of the Slashdot technology news site. The data was collected from the Slashdot Zoo feature where users of the website can tag other users as friends and foes, providing positive and negative endorsements. We adapt social network analysis techniques to the problem of negative edge weights. In particular, we consider signed variants of global network characteristics such as the clustering coefficient, node-level characteristics such as centrality and popularity measures, and link-level characteristics such as distances and similarity measures. We evaluate these measures on the task of identifying unpopular users, as well as on the task of predicting the sign of links and show that the network exhibits multiplicative transitivity which allows algebraic methods based on matrix multiplication to be used. We compare our methods to traditional methods which are only suitable for positively weighted edges.

연구 동기 및 목표

• 음성 간선 가중치를 가진 사회적 네트워크를 위한 서명된 네트워크 분석 기법을 개발하고 평가하는 것.
• 실제 서명된 네트워크에서 '내 적의 적은 내 친구'라는 다중성 전이가 성립하는지 조사하는 것.
• 새로운 서명된 중심성 및 인기도 측정법을 사용하여 불인기 사용자를 식별하는 것.
• 매트릭스 함수 기반의 대수적 유사도 측정법을 사용하여 사회적 네트워크 링크의 서명을 예측하는 것.
• 서명된 대수적 방법의 성능을 기존의 무서명된 네트워크 분석 기법과 비교하는 것.

제안 방법

• 전역 네트워크 구조를 분석하기 위해 서명된 클러스터링 계수 및 상대적 서명된 클러스터링 계수를 제안한다.
• 불인기 또는 트롤 사용자를 식별하기 위해 서명된 인기도 측정법인 Negative Rank를 도입한다.
• 링크 서명 예측을 위해 스펙트럴 유사도 측정법(예: 매트릭스 지수, 대칭 및 비대칭 매트릭스 지수, 서명된 라플라시안)을 적응한다.
• 행렬 지수와 의사역행렬을 효율적으로 계산하기 위해 고유분해를 통한 차원 축소를 사용한다.
• 감쇠를 고려한 장거리 다중성 전이를 모델링하기 위해 매트릭스 지수 커널을 적용한다.
• 링크 서명 예측 정확도를 평가하기 위해 유사도 점수의 부호를 사용하여 30% 테스트 세트를 활용한다.

실험 결과

연구 질문

• RQ1 Slashdot Zoo와 같은 실세계 서명된 사회적 네트워크에서 '내 적의 적은 내 친구'와 같은 다중성 전이가 성립하는가?
• RQ2 서명된 스펙트럴 유사도 측정법이 전통적인 무서명된 방법보다 사회적 링크의 서명 예측에서 뛰어나게 성능을 발휘하는가?
• RQ3 서명된 중심성 및 인기도 측정법은 불인기 또는 트롤 사용자를 식별하는 데 얼마나 효과적인가?
• RQ4 서명된 네트워크 분석에서 매트릭스 지수 기반 커널은 비지수적 대응 방식보다 일반화 성능이 뛰어나게 되는가?
• RQ5 서명된 네트워크에서 방향성 전이를 더 잘 포착하기 위해 비대칭 매트릭스 커널의 설정이 대칭 설정보다 더 효과적인가?

주요 결과

• 비대칭 매트릭스 지수 커널이 가장 높은 예측 정확도 0.68을 기록하여 다른 방법들보다 뚜렷이 뛰어난 성능을 보였다.
• 지수 커널은 차원 수 k가 증가함에 따라 과적합 현상 없이 渐近 성능에 도달하는 반면, 비지수적 대응 방식은 그렇지 않았다.
• 서명된 라플라시안 유사도 행렬은 낮은 k 값에서도 안정적인 성능과 높은 정확도를 유지하며 과적합 없이 작동했다.
• 서명된 클러스터링 계수는 Slashdot Zoo 네트워크에서 다중성 전이의 강력한 증거를 제시했다.
• Negative Rank는 불인기 사용자를 효과적으로 식별하여 서명된 인기도 측정법이 커뮤니티 탐지에 실용적임을 입증했다.
• 본 연구는 다중성 전이가 실세계 서명된 사회적 네트워크에서 타당하고 활용 가능한 성질임을 확인하였으며, 행렬 곱셈 기반의 대수적 방법이 가능하다는 것을 보여주었다.