[论文解读] Link Prediction using Top-$k$ Shortest Distances

Andrei Lebedev, Jooyoung Lee+2 more|arXiv (Cornell University)|Jan 1, 2017

Data Management and Algorithms被引用 2

一句话总结

本文提出了一种新颖的链接预测方法，使用前k条最短路径距离作为相似性度量，借助高效的剪枝地标标记算法实现可扩展的计算。实验表明，前4条距离优于Jaccard和Adamic/Adar等经典度量，且在多个真实网络上的AUROC分数始终高于0.90。

ABSTRACT

In this paper, we apply an efficient top-$k$ shortest distance routing algorithm to the link prediction problem and test its efficacy. We compare the results with other base line and state-of-the-art methods as well as with the shortest path. Our results show that using top-$k$ distances as a similarity measure outperforms classical similarity measures such as Jaccard and Adamic/Adar.

研究动机与目标

• 解决单一最短路径度量在捕捉节点间细微结构相似性方面存在的局限性。
• 通过利用多条最短路径而非仅最短路径，提升链接预测的准确性。
• 评估前k条最短路径距离作为相似性度量的有效性，并与现有基线方法进行对比。
• 证明较小的k值（例如k=4）即可实现高性能，从而确保计算效率。

提出的方法

• 采用[2]中的剪枝地标标记索引方案，以高效计算大规模图中的前k条最短路径距离。
• 将两个节点之间的前k条最短路径长度之和定义为相似性度量：Sk = Σᵢ₌₀ᵏ⁻¹ KSP(s,t,k)[i]。
• 使用无权、无向图，且不包含自环或多条边，以确保一致性和可扩展性。
• 在五个真实世界数据集（Facebook、Last.fm、GrQc、HepTh、CondMat）上应用该方法，采用60%训练集和40%测试集的划分。
• 通过每个数据集进行10次随机采样迭代，使用AUROC（受试者工作特征曲线下面积）评估性能。
• 与标准链接预测基线方法进行比较：共同邻居（Common Neighbors）、Jaccard、Adamic/Adar和优先附件（Preferential Attachment）。

实验结果

研究问题

• RQ1 与传统度量相比，使用前k条最短路径距离作为相似性度量是否能提升链接预测的准确性？
• RQ2 k值（最短路径数量）的选择如何影响预测性能？
• RQ3 较小的k值（例如k=4）是否能实现优于或与较大k值或单个最短路径度量相当的性能？
• RQ4 所提出的方法在不同真实世界网络结构中是否具备可扩展性和有效性？

主要发现

• 在五个数据集中的四个上，前4条最短路径距离取得了最高的AUROC分数，Facebook数据集上达到0.909458，CondMat数据集上达到0.911099。
• 在Facebook数据集上，前4条方法始终优于共同邻居（AUROC: 0.834086）、Jaccard（0.833845）、Adamic/Adar（0.799192）和优先附件（0.693485）。
• 即使k=4，该方法仍显著优于单个最短路径（Top-1）及其他前k条路径变体，表明较小的k值已能捕捉足够的结构信息。
• 在CondMat数据集上，前4条性能与前1条几乎完全相同（0.911099 vs. 0.911328），表明在密集网络中增大k值的收益微乎其微。
• 该方法在多种网络类型中表现出稳健性，包括社交网络（Facebook、Last.fm）、引文网络（GrQc、HepTh）和合作网络（CondMat）。
• 前k条路径长度之和在捕捉拓扑相似性方面比基于共同邻居的度量更有效，尤其在存在多条并行路径的图中。