[論文レビュー] Geometric Network Comparison

Dena Marie Asta, Cosma Rohilla Shalizi|arXiv (Cornell University)|Nov 5, 2014

Topological and Geometric Data Analysis参考文献 7被引用数 14

ひとこと要約

本稿では、複雑なネットワークを双曲空間に埋め込み、ノードの分布を確率密度として扱う、原理的で統計的な手法を提案する。カーネル密度推定とブートストラップに基づく2標本検定を用いることで、ネットワークが双曲モデルによって生成されていなくても、高い検出力で顕著な構造的差を検出可能であり、ネットワークの相違点を解釈可能な形で要約することができる。

ABSTRACT

Network analysis has a crucial need for tools to compare networks and assess the significance of differences between networks. We propose a principled statistical approach to network comparison that approximates networks as probability distributions on negatively curved manifolds. We outline the theory, as well as implement the approach on simulated networks.

研究の動機と目的

• 条件ごとに1つのグラフしか入手できない状況において、ネットワーク比較のための統計的に厳密なツールが不足している問題に対処すること。
• 次数分布や経路長などの恣意的要約統計量（例：degree distribution, path length）が意味のある構造的差を検出するのには限界があることの克服。
• 仮定された双曲潜在空間モデルとは異なるネットワーク生成プロセスに対しても、ネットワーク比較における統計的有意性と検出力を評価できる手法の開発。
• 単なる発散の検出にとどまらず、ネットワークの相違点を解釈可能なモデルに基づく要約として提供すること。

提案手法

• 負の曲率を持つ多様体上の点過程の実現と見なすノード位置を用いて、ネットワークを双曲空間に埋め込む。
• 双曲平面上でのカーネル密度推定により、各ネットワークの確率密度関数を推定する。これは一貫性があり、ミニマックスレートに収束する。
• 2つのネットワークの推定密度間のL2距離を検定統計量として計算する。
• プールされたネットワークから再サンプリングすることで、帰無分布の距離を生成するブートストラップに基づく2標本検定を実施する。
• 観測された距離を帰無分布と比較してp値を算出し、形式的な仮説検定を可能にする。
• 推定密度の差を、ネットワーク間の構造的差の解釈可能な要約として用いる。

実験結果

リサーチクエスチョン

• RQ1 条件ごとに1つのグラフしか入手できない状況で、2つのネットワーク間に統計的に有意な差を検出できるか？
• RQ2 提案手法は、階層的ネットワークとグリッド型ネットワークのような、質的構造的差を検出する際に高い検出力を維持するか？
• RQ3 真のネットワーク生成プロセスが双曲潜在空間モデルでない場合、この手法はどの程度の性能を示すか？
• RQ4 単なる差の検出にとどまらず、2つのネットワークが「どのように」異なるかについて、解釈可能なインサイトを提供できるか？

主な発見

• Watts-Strogatzネットワーク（リワイヤリング確率を変化させた場合）において、モデルが誤指定であっても、モンテカルロ誤差の範囲で100％の検出力を達成した。
• 準一様な双曲ネットワークでは、有意水準α = 0.1の下で、分散パラメータδの変化に伴い差を検出するのに十分な検出力を維持した。
• 真のネットワーク生成モデルが双曲潜在空間仮定から逸脱しても、この手法は高い検出力を維持しており、モデルの誤指定に対して強いロバストネスを示している。
• 推定ノード密度の差は、ネットワーク間の構造的差を意味的に明確に要約するものである。
• p値の計算に用いられるブートストラップ手順は妥当であり、一貫性のあるカーネル密度推定と、ややきつい正則性条件のもとで有効な推論が可能である。