[論文レビュー] How Homophily Affects Communication in Networks

Benjamin Golub, Matthew O. Jackson|arXiv (Cornell University)|Nov 25, 2008

Complex Network Analysis Techniques被引用数 8

ひとこと要約

本稿は、類縁性（類似性による assortative mixing）が社会的ネットワークにおける通信に与える影響を調査する。類縁性は、ネットワーク密度が上昇しても、学習プロセスやランダムウォークプロセス（例：Googleのランダムサーファーモデル）の速度を遅くするが、最短経路通信には影響を及ぼさない。主な貢献は、ネットワーク構造、類縁性、情報拡散における収束速度の理論的枠組みを結びつけることである。

ABSTRACT

We examine how three different communication processes operating through social networks are affected by homophily – the tendency of individuals to associate with others similar to themselves. We show that homophily has no effect in settings where messages reach their destinations by shortest paths; only connection density matters. In contrast, homophily substantially slows learning based on repeated updating from neighbors ’ information and Markovian random walks such as the Google random surfer model. This is true independently of connectivity: indeed, if homophily increases, random walks and learning are slowed down even if overall link density in the network is also increased. We also derive novel results on graph spectra and convergence times both in finite-sample and asymptotic settings, and relating random networks to their resulting spectra. We illustrate the applicability of the model by comparing the theoretical conclusions to computations based on high school friendship networks from the Adolescent Health dataset.

研究の動機と目的

• 類縁性が社会的ネットワークにおける通信の速度と効率に与える影響を理解すること。
• 最短経路ルーティング、繰り返し近隣ノードによる情報更新、マルコフ連鎖のランダムウォークという3つの異なる通信メカニズムに、類縁性が与える影響を分析すること。
• 異なるレベルの類縁性とネットワーク密度のもとでの収束時間およびグラフスペクトルに関する理論的結果を導出すること。
• 実データを用いてモデルを検証すること。具体的には、若年期から成人期への健康の縦断的調査（Add Health）における高校生の友人関係ネットワークから得たデータを用いる。

提案手法

• 著者らは、通信を3つの異なるプロセスとしてモデル化する：最短経路メッセージルーティング、近隣ノードからの繰り返し情報更新、およびマルコフ連鎖のランダムウォーク（例：Googleのランダムサーファーモデル）。
• スペクトルグラフ理論を用いて、遷移行列の2番目に大きな固有値に注目し、類縁性が収束時間に与える影響を分析する。
• 有限標本および漸近的設定の両方で理論的分析を行い、異なる類縁性レベルにおける収束速度の上限を導出する。
• 理論モデルを、若年期から成人期への健康の縦断的調査（Add Health）から得た実際の高校生の友人関係ネットワークに適用し、理論と実世界データの比較を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク内のメッセージが最短経路に従って送信される場合、類縁性は情報拡散にどのように影響するか？
• RQ2 近隣ノードからの繰り返し更新に基づく学習プロセスにおいて、類縁性はどの程度速度を遅くするか？
• RQ3 Googleのランダムサーファーモデルのようなマルコフ連鎖のランダムウォークにおいて、類縁性は収束時間にどのように影響するか？
• RQ4 ネットワークの類縁性、リンク密度、およびネットワークのスペクトル的性質の間にはどのような関係があるか？
• RQ5 類縁性の通信への影響に関する理論的予測は、実際の若年層の友人関係ネットワークからの実証データとどの程度整合するか？

主な発見

• メッセージが最短経路に従ってルーティングされる場合、類縁性は通信効率に影響を及ぼさない。影響するのはネットワーク密度のみである。
• 類縁性は、近隣ノードからの繰り返し更新に基づく学習プロセスを顕著に遅くする。これは、全体のネットワーク接続性が高くても同様に成り立つ。
• ランダムウォーク（例：Googleのランダムサーファーモデル）は、類縁性の高いネットワークでは収束が遅く、類縁性が高くなるほどその遅れは顕著になる。
• 収束速度に重要な役割を果たす遷移行列の2番目に大きな固有値は、類縁性が高くなるにつれて増加し、混合速度および学習速度の低下を示している。
• Add Healthデータの実証的分析により、類縁性の高いネットワークでは情報拡散が遅くなることが確認され、理論的予測が妥当であることが裏付けられた。