[論文レビュー] A Survey of Signed Network Mining in Social Media

Jiliang Tang, Yi Chang+2 more|arXiv (Cornell University)|Nov 24, 2015

Complex Network Analysis Techniques参考文献 116被引用数 14

ひとこと要約

本調査は、構造的バランス理論やステータス理論などの社会理論を用いて、リンク予測、コミュニティ検出、ノードランク付けなどのタスクに焦点を当てた、ソーシャルメディアにおける符号付きネットワークマイニングの包括的概要を提供する。これらの理論は特徴工学、制約生成、目的関数定義を通じて計算手法に統合され、スパースでノイズが多く、大規模な符号付きネットワーク（正負の関係を併せ持つ）の特有の課題に対処するため、ランダムウォーク、低ランク近似、スペクトルクラスタリングなどの技術が活用される。

ABSTRACT

Many real-world relations can be represented by signed networks with positive and negative links, as a result of which signed network analysis has attracted increasing attention from multiple disciplines. With the increasing prevalence of social media networks, signed network analysis has evolved from developing and measuring theories to mining tasks. In this article, we present a review of mining signed networks in the context of social media and discuss some promising research directions and new frontiers. We begin by giving basic concepts and unique properties and principles of signed networks. Then we classify and review tasks of signed network mining with representative algorithms. We also delineate some tasks that have not been extensively studied with formal definitions and also propose research directions to expand the field of signed network mining.

研究の動機と目的

• ソーシャルメディアプラットフォームから抽出された符号付きネットワークにおけるマイニングタスクについて、体系的なレビューを提供すること。
• 理論的またはアルゴリズム的基盤が十分に整っていない、未だに未開拓のタスクを特定し、形式化すること。
• 特に構造的バランス理論とステータス理論を含む社会理論が、符号付きネットワーク向けの計算モデルにどのように統合されているかを分析すること。
• ランダムウォーク、低ランク近似、スペクトルクラスタリングといった主要な技術を、符号付きネットワークマイニングの文脈で分類・比較すること。
• 大規模で現実世界のソーシャルメディア環境における符号付きネットワーク分析分野を発展させるための有望な研究方向性を強調すること。

提案手法

• 特徴工学、制約生成、目的関数設計を通じて、構造的バランス理論やステータス理論などの社会理論をマイニングモデルに統合する。
• ノードランク付けおよびコミュニティ検出にランダムウォークを活用し、符号付きネットワークトポロジー上の確率的走査をモデル化する。
• リンク予測および推薦タスク向けに、符号付き隣接行列の潜在的構造を捉えるために低ランク行列近似を適用する。
• グラフラプラシアンに基づくスペクトルクラスタリングを用いて、符号付きネットワークを分割し、コミュニティ検出およびノード表現学習を可能にする。
• バランス正則化や一般化バランス正則化などの正則化技術を用いて、社会理論の制約を最適化目的関数に埋め込む。
• マイニングタスクをノード指向（例：ランク付け）、リンク指向（例：符号予測）、応用指向（例：推薦）のカテゴリに分類し、代表的なアルゴリズムを提示する。

実験結果

リサーチクエスチョン

• RQ1 構造的バランス理論やステータス理論といった社会理論を、符号付きネットワークマイニングのための効果的アルゴリズムを設計するために体系的に応用する方法は何か？
• RQ2 符号なしネットワークマイニングと符号付きネットワークマイニングの間には、アルゴリズム設計においてどのような主要な違いがあり、なぜ標準的な符号なしネットワーク手法を直接拡張できないのか？
• RQ3 ランダムウォーク、低ランク近似、スペクトルクラスタリングといった計算技術の中で、多様な符号付きネットワークマイニングタスクに最も効果的なのはどれか？
• RQ4 未監督および半教師ありの主要なタスクとして、未だに十分に調査が進んでいない、あるいは形式的定義が欠落しているのは何か？
• RQ5 特徴工学、制約、目的関数を通じて、社会理論を機械学習モデルにどのように埋め込むことができるか？これにより予測性能がどのように向上するか？

主な発見

• 構造的バランス理論やステータス理論といった社会理論は、符号付きネットワークマイニングのためのアルゴリズム設計の基盤として広く用いられている。
• バランス理論に基づく特徴工学により、三角形ベースおよび三元組ベースの特徴を組み込むことで、リンク予測のパフォーマンスが向上する。
• バランス制約を強制する正則化技術は、ネガティブリンク予測および推薦タスクにおけるモデルパフォーマンスを顕著に向上させる。
• 低ランク近似技術は、大規模でスパースな符号付きネットワークにおいて、グローバルな構造的パターンを効果的に捉えるのに有効である。
• スペクトルクラスタリングは、コミュニティ検出のための堅牢な基盤を提供するとともに、複数のマイニングタスクに適用可能なベクトル表現学習を可能にする。
• 進展は見られるものの、動的符号付きネットワーク分析や多関係的符号付きネットワークモデリングといったタスクは、未だに未開拓であり、形式的定義が欠落している。