[논문 리뷰] Axiomatic Ranking of Network Role Similarity

Ruoming Jin, Victor E. Lee외 1명|arXiv (Cornell University)|2011. 02. 18.

Advanced Graph Neural Networks참고 문헌 46인용 수 17

한 줄 요약

이 논문은 자동형 등가성과 삼각 부등식을 포함한 공리적 성질을 만족하는 새로운 실수값 역할 유사도 측도인 RoleSim을 제안한다. 이는 반복 계산 방법을 사용하며, 모든 쌍의 유사도를 계산하지 않고도 임계값 θ 이상의 높은 유사도를 가진 노드 쌍을 효율적으로 식별하는 최적화된 알고리즘인 Iceberg RoleSim을 도입하여 실제 및 합성 네트워크에서 높은 정확도와 확장성을 입증한다.

ABSTRACT

A key task in social network and other complex network analysis is role analysis: describing and categorizing nodes according to how they interact with other nodes. Two nodes have the same role if they interact with equivalent sets of neighbors. The most fundamental role equivalence is automorphic equivalence. Unfortunately, the fastest algorithms known for graph automorphism are nonpolynomial. Moreover, since exact equivalence may be rare, a more meaningful task is to measure the role similarity between any two nodes. This task is closely related to the structural or link-based similarity problem that SimRank attempts to solve. However, SimRank and most of its offshoots are not sufficient because they do not fully recognize automorphically or structurally equivalent nodes. In this paper we tackle two problems. First, what are the necessary properties for a role similarity measure or metric? Second, how can we derive a role similarity measure satisfying these properties? For the first problem, we justify several axiomatic properties necessary for a role similarity measure or metric: range, maximal similarity, automorphic equivalence, transitive similarity, and the triangle inequality. For the second problem, we present RoleSim, a new similarity metric with a simple iterative computational method. We rigorously prove that RoleSim satisfies all the axiomatic properties. We also introduce an iceberg RoleSim algorithm which can guarantee to discover all pairs with RoleSim score no less than a user-defined threshold $θ$ without computing the RoleSim for every pair. We demonstrate the superior interpretative power of RoleSim on both both synthetic and real datasets.

연구 동기 및 목표

• 유효한 역할 유사도 측도 또는 측정 기준을 정의하기 위한 필수 공리적 성질의 집합을 설정하는 것.
• 자동형 등가 노드가 최대 유사도를 가짐을 정확히 식별할 수 있는 실수값 역할 유사도 측도를 개발하는 것.
• 모든 쌍의 유사도를 계산하지 않고도 유사도 ≥ θ인 모든 노드 쌍을 탐지할 수 있는 효율적인 알고리즘을 설계하는 것.
• 제안된 측도의 정확성과 해석 능력을 실제 및 합성 네트워크 데이터셋에서 검증하는 것.
• 기존 방법들인 SimRank가 자동형 등가성을 유지하지 못하고 직관에 어긋나는 점수 부여 행동을 보이는 것을 입증하는 것.

제안 방법

• 범위, 최대 유사도, 자동형 등가성, 전이 유사도, 삼각 부등식을 포함한 다섯 가지 공리적 성질을 제안하여 유효한 역할 유사도 측도를 정의한다.
• 다중 홉에 걸쳐 주변 유사도를 집계하는 재귀 공식을 사용해 반복적으로 계산되는 역할 유사도 측도인 RoleSim을 도입한다.
• RoleSim이 삼각 부등식을 포함한 다섯 가지 공리적 성질을 모두 만족함을 수학적으로 증명하여 진정한 측도로 간주할 수 있음을 보여준다.
• 모든 쌍의 유사도를 계산하지 않도록 하는 해시 기반 필터링 기법을 사용한 최적화된 알고리즘인 Iceberg RoleSim을 개발한다.
• 반복 과정에서 임계값 기반의 잘라내기 전략을 활용하여 RoleSim 점수 ≥ θ인 모든 노드 쌍을 보장적으로 검색할 수 있도록 한다.
• 고차원 주변 구조의 영향을 조절하기 위해 파라미터 α를 사용하며, 실험을 통해 다양한 α 값에서의 강건성을 입증한다.

실험 결과

연구 질문

• RQ1 역할 유사도 측도가 유효하고 의미 있는 것으로 간주되기 위해 필요한 공리적 성질은 무엇인가?
• RQ2 자동형 등가 노드가 최대 유사도를 가짐을 정확히 식별할 수 있는 실수값 역할 유사도 측도를 구성할 수 있는가?
• RQ3 정확도를 유지하면서 쌍별 역할 유사도 계산의 계산 비용을 어떻게 줄일 수 있는가?
• RQ4 RoleSim은 기존의 SimRank 및 그 변종에 비해 구조적 동일성을 얼마나 잘 포착하는가?
• RQ5 Iceberg RoleSim 알고리즘은 θ 및 α와 같은 파라미터 선택에 얼마나 민감한가, 그리고 순위 유지 능력을 어떻게 유지하는가?

주요 결과

• RoleSim은 삼각 부등식을 포함한 다섯 가지 공리적 성질을 모두 만족하여 역할 유사도에 대한 유효한 측도로 입증된다.
• Iceberg RoleSim은 간선 밀도와 임계값 θ에 따라 전체 행렬의 0.15%~3.5%로 유사도 행렬 크기를 줄였다.
• θ = 0.8 및 θ = 0.9일 경우, Iceberg RoleSim 순위와 전체 행렬 순위 간 피어슨 상관계수는 각각 0.823과 0.880으로 높은 순위 정확도를 보였다.
• Iceberg RoleSim은 표준 RoleSim 계산보다 약 10배 빠르며, 그래프 크기에 따라 비선형적으로 실행 시간이 증가한다.
• α 값에 대해 강건하며, 대부분의 그래프에서 α = 0일 때 최고 성능을 보였지만 중간 범위의 값 역시 만족스러운 결과를 제공했다.
• RoleSim은 자동형 등가 노드를 최대 유사도로 정확히 식별하지만, SimRank는 공통 이웃 수가 증가함에 따라 성능이 떨어지는 것으로 나타났다.