[논문 리뷰] Link Prediction in Networks with Nodes Attributes by Similarity Propagation

Maosheng Jiang, Yonxiang Chen외 1명|arXiv (Cornell University)|2015. 02. 15.

Complex Network Analysis Techniques참고 문헌 13인용 수 9

한 줄 요약

이 논문은 네트워크 내에서 랜덤 워크를 통해 링크 유사도 점수 전파를 유도하기 위해 노드 속성 유사도를 활용하는 링크 예측 방법을 제안한다. 노드 속성 유사도에 기반한 전송 확률을 부여함으로써, 기존 방법에 비해 속성 부여 네트워크에서 예측 정확도를 향상시킨다.

ABSTRACT

The problem of link prediction has attracted considerable recent attention from various domains such as sociology, anthropology, information science, and computer sciences. A link prediction algorithm is proposed based on link similarity score propagation by a random walk in networks with nodes attributes. In the algorithm, each link in the network is assigned a transmission probability according to the similarity of the attributes on the nodes connected by the link. The link similarity score between the nodes are then propagated via the links according to their transmission probability. Our experimental results show that it can obtain higher quality results on the networks with node attributes than other algorithms.

연구 동기 및 목표

• 노드에 추가적인 속성 정보가 존재하는 네트워크에서 링크 예측 문제를 해결하기 위해.
• 링크 예측 과정에 노드 속성 유사도를 통합하여 예측 정확도를 향상시키기 위해.
• 속성 기반 전송 확률을 사용하여 링크 유사도 점수를 네트워크 전반에 걸쳐 전파하는 방법을 개발하기 위해.
• 제안된 방법의 효과성을 실제 속성 부여 네트워크에서 평가하기 위해.

제안 방법

• 네트워크 내 각 링크는 연결된 두 노드의 속성 간 코사인 유사도에 기반하여 전송 확률을 부여받는다.
• 전이 확률이 노드 속성 유사도에 의해 결정되는 랜덤 워크 과정을 사용하여 링크 유사도 점수가 네트워크 전반에 걸쳐 전파된다.
• 전파 과정은 이웃 링크들의 가중 기여도에 기반하여 노드 쌍 간의 유사도 점수를 반복적으로 갱신한다.
• 최종 링크 예측 점수는 전파 과정의 수렴 후 누적된 유사도 점수에서 유도된다.
• 구조적 정보와 속성 기반 정보를 통합하여 링크 예측 성능을 향상시킨다.

실험 결과

연구 질문

• RQ1 노드 속성 정보는 링크 예측 알고리즘에 어떻게 효과적으로 통합될 수 있는가?
• RQ2 속성 기반 전송 확률에 의해 유도되는 유사도 전파가 링크 예측 정확도를 향상시킬 수 있는가?
• RQ3 제안된 방법은 속성 부여 네트워크에서 기존 링크 예측 기법과 비교해 어떻게 성능을 내는가?
• RQ4 속성 유사도는 링크 유사도 전파의 수렴성과 안정성에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 베이스라인 알고리즘에 비해 속성 부여 네트워크에서 더 높은 예측 정확도를 달성한다.
• 전송 확률에 노드 속성 유사도를 통합함으로써 링크 예측 성능이 크게 향상된다.
• 이 방법은 다양한 네트워크 유형과 속성 분포에 걸쳐 뛰어난 강건성과 안정성을 보여준다.
• 랜덤 워크 기반 전파 메커니즘이 네트워크 구조의 장거리 의존성을 효과적으로 포착한다.