[논문 리뷰] Applications of Structural Balance in Signed Social Networks

Jérôme Kunegis|arXiv (Cornell University)|2014. 02. 27.

Complex Network Analysis Techniques참고 문헌 50인용 수 26

한 줄 요약

이 논문은 구조적 균형 이론을 활용하여 서명된 사회 네트워크를 분석하기 위한 새로운 방법을 제안한다. 서명된 그래프 라플라시안과 저항 거리 기반으로 균형을 측정하고, 커뮤니티 탐지, 그래프 그림 그리기, 링크 예측을 수행한다. 주요 기여는 서명된 라플라시안과 저항 거리 기반 링크 예측을 포함한 일련의 대수 기법으로, 실제 데이터셋에서 기준 방법보다 뛰어난 성능을 보이며 위키백과 갈등 데이터셋에서 AUC 점수가 85%를 초과한다.

ABSTRACT

We present measures, models and link prediction algorithms based on the structural balance in signed social networks. Certain social networks contain, in addition to the usual 'friend' links, 'enemy' links. These networks are called signed social networks. A classical and major concept for signed social networks is that of structural balance, i.e., the tendency of triangles to be 'balanced' towards including an even number of negative edges, such as friend-friend-friend and friend-enemy-enemy triangles. In this article, we introduce several new signed network analysis methods that exploit structural balance for measuring partial balance, for finding communities of people based on balance, for drawing signed social networks, and for solving the problem of link prediction. Notably, the introduced methods are based on the signed graph Laplacian and on the concept of signed resistance distances. We evaluate our methods on a collection of four signed social network datasets.

연구 동기 및 목표

• 구조적 균형 원칙에 기반하여 우호와 적대를 모두 나타내는 간선을 가진 서명된 사회 네트워크를 분석하기 위한 실용적인 방법을 개발하는 것.
• 서명된 클러스터링 계수와 대수적 갈등과 같은 새로운 측정법을 사용하여 국소(삼각형 수준) 및 전반적(스펙트럼) 척도에서 구조적 균형을 정량화하는 것.
• 균형 원칙에서 유도된 서명된 라플라시안 행렬을 통해 서명된 네트워크에서의 그래프 그림 그리기와 커뮤니티 탐지를 향상시키는 것.
• 서명된 저항 거리 개념을 활용하여 서명된 네트워크에서 링크 예측 문제를 해결함으로써 향후 양성 또는 음성 관계의 정확한 예측을 가능하게 하는 것.

제안 방법

• 서명된 클러스터링 계수를 도입하여 국소적 구조적 균형 측정법을 제공하고, 네트워크 내 균형 잡힌 삼각형의 비율을 정량화한다.
• 서명된 그래프의 그림 그리기 문제에서 서명된 라플라시안 행렬을 유도하여 균형 잡힌 구성이 시각적 및 수학적으로 일관되게 유지되도록 한다.
• 서명된 라플라시안 행렬을 대수적으로 정의하고, 대칭성과 양의 준정부호성과 같은 핵심 스펙트럼 성질을 증명한다.
• 서명된 라플라시안 행렬의 최소 고유값을 기반으로 한 대수적 갈등을 전반적 불균형 측정법으로 정의한다.
• 서명된 라플라시안을 그래프 클러스터링 문제에 적용하여 구조적 균형을 고려한 커뮤니티 탐지를 가능하게 한다.
• 서명된 라플라시안의 모레-펜로즈 역행렬(저항 거리 행렬)을 커널로 사용하여 링크 예측을 수행하고, 네트워크 구조에 기반한 새로운 간선의 가능성 모델링을 수행한다.

실험 결과

연구 질문

• RQ1 서명된 사회 네트워크에서 국소(삼각형 수준) 및 전반적(스펙트럼) 척도에서 구조적 균형은 어떻게 측정할 수 있는가?
• RQ2 서명된 라플라시안 행렬은 그래프 그림 그리기 원칙에서 유도될 수 있으며, 이를 통해 커뮤니티 탐지가 향상되는가?
• RQ3 서명된 라플라시안의 최소 고유값을 기반으로 한 대수적 갈등은 불균형의 전반적 측정법으로서 어떻게 기능하는가?
• RQ4 서명된 저항 거리 방법은 기존 방법에 비해 서명된 네트워크에서 링크 예측 정확도를 향상시키는가?
• RQ5 인접 행렬과 라플라시안 행렬의 행렬 함수에 기반한 링크 예측 알고리즘 중 어느 것이 다양한 서명된 네트워크 데이터셋에서 가장 우수한 성능을 보이는가?

주요 결과

• 정규화된 저항 거리 커널(N-Resi)은 위키백과 갈등 데이터셋에서 최고의 AUC 점수 85.04%를 기록하여 다른 방법들을 압도했다.
• 에포니언스 데이터셋에서 정규화된 저항 거리 커널(N-Resi)은 78.82%의 AUC를 기록하여 평가된 모든 방법 중 최고 성능을 보였다.
• 저항 거리 방법(Resi)은 위키백과 갈등 데이터셋에서 AUC 87.02%를 기록하여 균형 잡힌 네트워크에 대해 강력한 예측 능력을 보였다.
• 지수 및 정규화된 뉴먼 커널 방법은 슬래시닷 투우 데이터셋에서 각각 68.98%와 67.71%의 AUC를 기록하여 가장 뛰어난 성능을 보였다.
• 서명된 라플라시안 기반 방법, 특히 저항 거리 및 그 정규화된 변형은 네 개의 모든 데이터셋에서 표준 방법보다 일관되게 뛰어난 성능을 보였다.
• 이 연구는 구조적 균형이 서명된 네트워크에서 강력한 조직 원리임을 확인하며, 대수적 그래프 이론을 활용하여 새로운 양성 또는 음성 관계의 정확한 예측이 가능하다는 것을 입증한다.