[논문 리뷰] Centrality Metric for Dynamic Networks

Kristina Lerman, Rumi Ghosh외 1명|arXiv (Cornell University)|2010. 06. 02.

Complex Network Analysis Techniques참고 문헌 16인용 수 14

한 줄 요약

이 논문은 시간에 따라 변화하는 네트워크에서 노드의 影響력을 측정하기 위해 시간에 따라 순서가 지켜지는 경로(연속적인 시간 단계에서 중개자를 통해 연결된 노드들 간의 경로)를 세는 동적 중심성 지표를 제안한다. 기존 정적 중심성 측정법과 달리, 이는 상호작용의 시간적 순서를 고려하여, 경로 길이와 시간 스케일 매개변수를 데이터로부터 최적화함으로써, 기존에 간과되었던 주요 논문들(예: 인용 네트워크에서의 초석 논문들)과 같은 상당히 다른 영향력 있는 노드를 드러낸다.

ABSTRACT

Centrality is an important notion in network analysis and is used to measure the degree to which network structure contributes to the importance of a node in a network. While many different centrality measures exist, most of them apply to static networks. Most networks, on the other hand, are dynamic in nature, evolving over time through the addition or deletion of nodes and edges. A popular approach to analyzing such networks represents them by a static network that aggregates all edges observed over some time period. This approach, however, under or overestimates centrality of some nodes. We address this problem by introducing a novel centrality metric for dynamic network analysis. This metric exploits an intuition that in order for one node in a dynamic network to influence another over some period of time, there must exist a path that connects the source and destination nodes through intermediaries at different times. We demonstrate on an example network that the proposed metric leads to a very different ranking than analysis of an equivalent static network. We use dynamic centrality to study a dynamic citations network and contrast results to those reached by static network analysis.

연구 동기 및 목표

• 노드와 간선이 시간에 따라 변화하는 네트워크에서 정적 중심성 측정법이 영향력을 포착하는 데에 한계가 있음을 해결하기 위해.
• 상호작용의 시간적 순서를 고려한 중심성 지표를 개발하여, 경로가 시간에 따라 존재할 때에만 영향력이 흐르도록 보장하기 위해.
• 기존의 PageRank나 인용 수와 같은 전통적 측정법이 간과하는 동적 네트워크 내의 영향력 있는 노드를 특정하기 위해.
• 정적 네트워크 분석에 비해 동적 중심성이 노드 중요도의 더 정확한 순위를 드러내는지 입증하기 위해.
• 실세계의 동적 네트워크(예: 과학적 인용 네트워크)에서의 실증 데이터를 활용하여 시간 및 길이 스케일 매개변수를 최적화하기 위해.

제안 방법

• 이 방법은 특정 노드에서 다른 노드로 연결되는 모든 길이의 시간에 따라 순서가 지켜지는 경로의 총수로 동적 중심성을 정의한다. 여기서 각 경로는 시간이 증가하는 단계를 거쳐야 한다.
• 네트워크 스크린샷을 이산적인 시간점에서 확보한 후 유도된 시간 순서가 지정된 인접행렬을 도입하여 $\alpha$-중심성을 동적 네트워크로 일반화한다.
• 경로의 감쇠를 제어하는 매개변수 $\alpha$(길이 스케일)와 $\gamma$(시간 스케일)를 사용하여 시간에 걸쳐 가중치가 누적된 경로를 행렬 형태로 계산한다.
• 이 지표는 전역적 또는 국소적 영향력에 따라 노드를 순위 매길 수 있으며, 특정 타겟 노드와 가장 연결된 노드를 식별할 수도 있다.
• 매개변수 $\alpha$와 $\gamma$는 데이터의 실증적 분포인 인용 체인 길이와 시간 간격에 모델을 적합시켜 추정된다.
• 이 방법은 합성 동적 네트워크에서 검증되었으며, arXiv의 실제 과학적 인용 네트워크에 적용되어 정적 중심성 및 PageRank와의 결과를 비교하였다.

실험 결과

연구 질문

• RQ1 동적 중심성은 정적 중심성과 비교해 시간에 따라 변화하는 네트워크에서 영향력 있는 노드를 특정하는 데 어떻게 다를까?
• RQ2 동적 중심성은 인용 수와 PageRank가 간과하는 영향력 있는 과학 논문들을 드러낼 수 있는가?
• RQ3 인용 네트워크의 기본 역학을 가장 잘 반영하는 시간 및 길이 스케일 매개변수의 최적 값은 무엇인가?
• RQ4 시간에 따라 순서가 지켜지는 경로는 정적 경로 기반 측정법과 비교해 영향력 있는 노드의 순위를 어떻게 변화시키는가?
• RQ5 동적 중심성은 인용 수가 많지 않지만 실제로는 매우 영향력 있는 '숨겨진 보석' 논문들을 어느 정도 드러낼 수 있는가?

주요 결과

• 최적의 $\gamma$를 가진 $\alpha = 0.2$로 설정된 동적 중심성은 인용 네트워크에서 상위 10개 영향력 있는 논문의 순서를 재정렬하여, 정적 인용 수 순위에서 10개 중 7개를 교체한다.
• Ashoke Sen의 논문들은 총 인용 수가 적음에도 불구하고, 장기 인용 체인에서의 역할 덕분에 동적 중심성에서 높은 순위를 차지하여 이전에 간과되었던 영향력을 드러낸다.
• PageRank로 상위 20위에 들었던 20개 논문 중 오직 9개만이 동적 중심성에서 상위 20위에 들었으며, 이는 노드 중요성에 대한 근본적으로 다른 시각을 반영한다.
• 인용 수와 PageRank에서 1위를 차지한 논문 9711200은 $\alpha = 0.2$일 때 동적 중심성에서 103위로 하락한다. 이는 최근에 출간되어 장기 인용 체인을 형성하지 못하기 때문이다.
• 동적 중심성에서 상위 20개 논문 중 7개가 Ashoke Sen이 저자인 반면, PageRank에서는 Edward Witten이 5개를 차지한다. 이는 스탠딩 이론 분야에서 Sen의 숨겨진 영향력을 강조한다.
• 최적의 $\alpha$ 및 $\gamma$ 값은 데이터의 실증적 인용 체인 길이 및 시간 간격 분포에 모델을 적합시켜 추정되었다.