[논문 리뷰] Bayesian Vertex Nomination

Dominic S. Lee, Carey E. Priebe|arXiv (Cornell University)|2012. 05. 23.

Algorithms and Data Compression참고 문헌 8인용 수 4

한 줄 요약

이 논문은 관측된 빨간색 정점과 빨간색 간선에서 유도된 문맥 및 내용 통계를 사용하여 부분적으로 관측된 속성 부여된 그래프에서 빨간색 정점일 가능성이 높은 정점을 식별하기 위한 베이지안 정점 명명 모델을 제안한다. 우도 모델과 정보성 사전분포를 결합하고 메트로폴리스-내부 기반 기반의 기반 샘플링을 통한 사후 추론을 통해, 이 방법은 우연의 성능을 크게 뛰어넘고 이전의 방법보다도 뛰어난 정확도를 달성한다. 시뮬레이션과 엔론 이메일 사기 탐지 응용 사례를 통해 검증되었다.

ABSTRACT

Consider an attributed graph whose vertices are colored green or red, but only a few are observed to be red. The color of the other vertices is unobserved. Typically, the unknown total number of red vertices is small. The vertex nomination problem is to nominate one of the unobserved vertices as being red. The edge set of the graph is a subset of the set of unordered pairs of vertices. Suppose that each edge is also colored green or red and this is observed for all edges. The context statistic of a vertex is defined as the number of observed red vertices connected to it, and its content statistic is the number of red edges incident to it. Assuming that these statistics are independent between vertices and that red edges are more likely between red vertices, Coppersmith and Priebe (2012) proposed a likelihood model based on these statistics. Here, we formulate a Bayesian model using the proposed likelihood together with prior distributions chosen for the unknown parameters and unobserved vertex colors. From the resulting posterior distribution, the nominated vertex is the one with the highest posterior probability of being red. Inference is conducted using a Metropolis-within-Gibbs algorithm, and performance is illustrated by a simulation study. Results show that (i) the Bayesian model performs significantly better than chance; (ii) the probability of correct nomination increases with increasing posterior probability that the nominated vertex is red; and (iii) the Bayesian model either matches or performs better than the method in Coppersmith and Priebe. An application example is provided using the Enron email corpus, where vertices represent Enron employees and their associates, observed red vertices are known fraudsters, red edges represent email communications perceived as fraudulent, and we wish to identify one of the latent vertices as most likely to be a fraudster.

연구 동기 및 목표

• 오직 일부 빨간색 정점만 알려진 부분적으로 관측된 속성 부여된 그래프에서 정점 명명 문제를 해결하기 위해.
• 그래프 내 구조적 및 속성 통계를 활용하여 무작위 성능을 뛰어넘는 정확도 향상을 위해.
• 미관측된 정점 색상과 간선 유형에 대한 불확실성을 포함하는 체계적인 베이지안 프레임워크를 개발하기 위해.
• 시뮬레이션과 실제 데이터를 사용하여 기존의 우도 기반 방법과의 성능 평가를 위해.

제안 방법

• 모델은 각 정점에 대해 두 가지 핵심 통계량을 정의한다: 문맥 통계량(관측된 빨간색 이웃 수)과 내용 통계량(해당 정점에 인cidient된 빨간색 간선 수).
• 정점 간 통계량이 조건부 독립이라고 가정하고, 빨간색 정점 간에 빨간색 간선가능성이 높다는 가정 하에 우도 모델을 수립한다.
• 알 수 없는 매개변수, 즉 빨간색 정점 총 수와 간선 형성 확률에 대해 비정보성 및 약한 정보성 사전분포를 할당한다.
• 미관측된 정점 색상과 모델 매개변수를 샘플링하기 위해 메트로폴리스-내부 기반 기반의 알고리즘을 사용하여 사후 추론을 수행한다.
• 명명된 정점은 빨간색일 가능성이 가장 높은 정점으로 선택된다.
• 모델은 시뮬레이션 연구를 통해 검증되었고, 엔론 이메일 코퍼스에 적용되어 미관측된 개인들 중 잠재적인 사기자들을 식별하는 데 사용되었다.

실험 결과

연구 질문

• RQ1 미관측된 정점 색상과 간선 유형에 대한 불확실성을 통합함으로써, 베이지안 프레임워크가 정점 명명 정확도를 향상시킬 수 있는가?
• RQ2 정점이 빨간색일 가능성의 사후 확률은 실제 명명 성공률과 어떻게 관련이 있는가?
• RQ3 제안된 베이지안 모델은 시뮬레이션 및 실제 세계 환경 모두에서 코퍼스미스와 프리에비(2012)의 우도 기반 방법보다 뛰어나게 성능을 발휘하는가?
• RQ4 희박한 빨간색 정점 상황에서 문맥 통계량과 내용 통계량은 명명 성능 향상에 어느 정도 기여하는가?
• RQ5 빨간색 정점 총 수에 대한 불확실성에 대해 모델은 얼마나 강건한가?

주요 결과

• 베이지안 정점 명명 모델은 무작위 명명을 크게 뛰어넘어 우연의 성능을 뚜렷이 향상시킴을 입증하였다.
• 정확한 명명 확률은 명명된 정점이 빨간색일 가능성이 가장 높을수록 단조적으로 증가하며, 이는 모델의 신뢰성과 일치한다.
• 시뮬레이션과 실제 엔론 이메일 데이터 모두에서, 코퍼스미스와 프리에비(2012)의 우도 기반 방법과 비교해 모델이 성능을 동일하거나 초월하였다.
• 엔론 응용 사례에서 모델은 잠재적인 개인이 사기자일 가능성이 매우 높다는 것을 성공적으로 식별하였으며, 알려진 사기 패tern과 일치하였다.
• 시뮬레이션 연구를 통해 높은 사후 확률을 가진 정점이 더 높은 경험적 명명 정확도를 보이며, 이는 베이지안 추론 프레임워크의 타당성을 뒷받침한다.