[論文レビュー] How Homophily Affects Diffusion and Learning in Networks

Benjamin Golub, Matthew O. Jackson|ArXiv.org|Nov 25, 2008

Opinion Dynamics and Social Influence参考文献 13被引用数 23

ひとこと要約

本稿は、同質性（個々の人が類似した他者と関係を築こうとする傾向）が、社会的ネットワークにおける情報拡散および学習に与える影響を調査する。スペクトルグラフ理論と多種類ランダムネットワークモデルを用いて、同質性は平均化およびランダムウォークプロセスによる学習を顕著に遅くするが、ネットワークの密度にのみ依存する最短経路通信にはほとんど影響しないことを示している。主な貢献は、密度とは独立して同質性がマルコフ過程における収束速度を変化させることを理論的かつ実証的に示したことである。これは社会的学習およびネットワーク設計に影響を及ぼす。

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. Homophily has no effect if messages are broadcast or sent via shortest paths; only connection density matters. In contrast, homophily substantially slows learning based on repeated averaging of neighbors' information and Markovian diffusion processes such as the Google random surfer model. Indeed, the latter processes are strongly affected by homophily but completely independent of connection density, provided this density exceeds a low threshold. We obtain these results by establishing new results on the spectra of large random graphs and relating the spectra to homophily. We conclude by checking the theoretical predictions using observed high school friendship networks from the Adolescent Health dataset.

研究の動機と目的

• 同質性—類似した個々の人がつながりやすいという社会的ネットワークの傾向—が、情報拡散および学習プロセスに与える影響を理解すること。
• 特に同質性を含むネットワーク構造が、学習および拡散メカニズムにおける収束速度にどのように影響するかを特定すること。
• 同質性とネットワークのスペクトル的性質（特に隣接行列の2番目の固有値）を結びつける理論的枠組みを構築すること。
• Add Healthデータセットに含まれる高校の友人関係ネットワークの実証データを用いて、理論的予測を検証すること。

提案手法

• ノードのタイプに応じたリンク確率を用いる多種類ランダムグラフフレームワークを用いてネットワークをモデル化し、Erdős–Rényiモデルを一般化する。
• スペクトルグラフ理論を適用し、ネットワークの隣接行列の2番目の固有値と学習・拡散プロセスにおける収束速度の関係を分析する。
• タイプ間リンク確率の縮小行列に基づく2番目の固有値の解析的近似を導出し、完全なネットワークデータがなくても推定が可能となる。
• Googleのランダムサーファーモデルと線形平均化プロセスを、マルコフ的および有界合理的な学習ダイナミクスの代理として用いる。
• 82の高校の友人関係ネットワークにおいて、ネットワーク密度と同質性の指標を説明変数として、平均最短経路長およびコンSENSUS/ミキシング時間の回帰分析を実施し、理論的予測を実証的に検証する。
• タイプ別リンク確率を用いて同質性を計算し、予測された収束・ミキシング時間と観測値を比較する。

実験結果

リサーチクエスチョン

• RQ1 同質性は、ネットワークにおける最短経路ルーティングによる情報拡散速度にどのように影響するか？
• RQ2 繰り返しの平均化によって近隣の信念を平均化する学習プロセスの収束速度に、同質性はどの程度影響を及ぼすか？
• RQ3 同質性は、Googleランダムサーファーモデルのようなランダムウォークプロセスのミキシング時間にどのように影響するか？
• RQ4 同質性と学習速度の関係は、異なるネットワーク構造および実証データにおいても頑健か？
• RQ5 完全なネットワークデータがなくても、タイプ間リンク確率のみを用いてネットワークの隣接行列の2番目の固有値を正確に予測できるか？スケーラブルな推論が可能か？

主な発見

• 同質性は最短経路通信に顕著な影響を及ぼさない。このプロセスはネットワークの密度にのみ依存し、経路長は log(n)/log(d̄) で強く予測可能であり、R² = 0.942 であった。
• マルコフ過程（ランダムウォークや線形平均化）では、同質性が収束速度に支配的要因となる。密度を含めたモデルで R² = 0.931 を示した。
• ミキシング時間の回帰分析において、同質性の係数は有意であった（t = 3.79）が、予測力は低く、密度のみのモデルに比べてR²の向上はわずか1%にとどまった。
• 理論的分析により、収束およびミキシング時間は2番目の固有値に依存し、この固有値は同質性に対して非常に敏感であるが、低閾値を超えると密度にはほとんど感度を示さないことが判明した。
• 82の高校ネットワークからの実証結果は、同質性の増加がコンセンサス時間およびミキシング時間を延長することを示しており、理論的予測と整合的であった。
• 大規模な多種類ランダムネットワークのスペクトル的性質は、タイプ間リンク確率の小さな行列のみを用いても正確に近似可能であり、完全なネットワークデータがなくてもスケーラブルな推論が可能であることが示された。