[論文レビュー] Minimum curvilinear automata with similarity attachment for network embedding and link prediction in the hyperbolic space

Alessandro Muscoloni, Carlo Vittorio Cannistraci|arXiv (Cornell University)|Feb 4, 2018

Complex Network Analysis Techniques参考文献 23被引用数 14

ひとこと要約

この論文は、類似度付加を用いた最小曲線的オートマトン（MCA）を導入し、ハイパーオリック空間へのネットワーク埋め込みを実現する。最小全域木（MST）を用いて局所的な類似度に基づきグリーディにノードを接続することで、中程度の埋め込み精度であるが、最先端のリンク予測性能を達成する。時間計算量はMST構築に依存し、近線形時間で実現される。この手法は、類似度に基づく逐次的成長によってハイパーオリック空間の角度座標を効率的に近似する。

ABSTRACT

The idea of minimum curvilinearity (MC) is that the hidden geometry of complex networks, in particular when they are sufficiently sparse, clustered, small-world and heterogeneous, can be efficiently navigated using the minimum spanning tree (MST), which is a greedy navigator. The local topological information drives the global geometrical navigation and the MST can be interpreted as a growing path that greedily maximizes local similarity between the nodes attached at each step by globally minimizing their overall distances in the network. This is also valid in absence of the network structure and in presence of only the nodes geometrically located over the network generative manifold in a high-dimensional space. We know that random geometric graphs in the hyperbolic space are an adequate model for realistic complex networks: the explanation of this connection is that complex networks exhibit hierarchical, tree-like organization, and in turn the hyperbolic geometry is the geometry of trees. Here we show that, according to a mechanism that we define similarity attachment, the visited node sequence of a network automaton can efficiently approximate the nodes' angular coordinates in the hyperbolic disk, that actually represent an ordering of their similarities. This is a consequence of the fact that the MST, during its greedy growing process, at each step sequentially attaches the node most similar (less distant) to its own cohort. Minimum curvilinear automata (MCA) displays embedding accuracy which seems superior to HyperMap-CN and inferior to coalescent embedding, however its link prediction performance on real networks is without precedent for methods based on the hyperbolic space. Finally, depending on the data structure used to build the MST, the MCA's time complexity can also approach a linear dependence from the number of edges.

研究の動機と目的

• スパarsなクラスタ構造を示す小世界ネットワークにおいて、ハイパーオリック幾何学を活用したより優れたリンク予測を実現するネットワーク埋め込み手法の開発。
• 最小曲線的オートマトン（MCA）を用いて、類似度に基づくノード接続によって成長する階層的かつ木構造的な複雑ネットワークの構造をモデル化すること。
• MSTにおけるノード接続の順序を用いて、ハイパーオリックディスクにおける角度座標を近似し、幾何学的に意味のある形でノードの類似度関係を捉えること。
• MSTデータ構造に依存するが、エッジ数に対して近線形に近い時間計算量を達成する、効率的な計算を実現すること。
• 実世界のネットワークにおいて、既存のハイパーオリック埋め込み手法と比較してMCAの性能を評価すること。

提案手法

• グローバルな距離を最小化すると同時に、各接続ステップで局所的な類似度を最大化するように、グリーディなナビゲーターとして最小全域木（MST）を構築する。
• ノードの接続は類似度付加メカニズムに従い、各新しいノードは現在の木に属するノードのうち、最も類似度が高い（距離が最も小さい）ノードに接続される。
• MSTの成長過程におけるノード接続の順序を用いて、ハイパーオリックディスクにおける角度座標を推定し、ノードの類似度に基づく順序付けを表現する。
• 得られた埋め込みは、MST走査から導出された推定された角度座標と半径座標を用いて、ノードをハイパーオリック空間にマッピングすることで実現される。
• MST構築のための効率的なデータ構造の選択により、時間計算量が最適化され、エッジ数に対して近線形スケーリングが可能になる。
• 実際のネットワークにこの手法を適用し、埋め込み精度とリンク予測性能の両方を評価する。

実験結果

リサーチクエスチョン

• RQ1 MSTに基づくグリーディで類似度に依存する自動機は、複雑ネットワークにおけるハイパーオリック幾何学を効果的に近似できるか。
• RQ2 MSTにおけるノード接続の順序は、ハイパーオリック空間におけるノードの真の角度類似度順序をどの程度反映しているか。
• RQ3 実世界のネットワークにおいて、MCAは既存のハイパーオリック埋め込み手法と比較して、リンク予測精度で優れているか。
• RQ4 MSTデータ構造の選択に依存するが、MCAの計算効率はどの程度か。
• RQ5 MSTに基づくアプローチは、明示的なネットワーク構造がなくても、幾何学的ノード位置に依存するだけで意味のあるネットワーク埋め込みを達成できるか。

主な発見

• MCAはハイパーオリック空間に基づく手法の中で、リンク予測性能が最先端を記録しており、中程度の埋め込み精度であるが、既存手法を上回る。
• MCAの埋め込み精度はHyperMap-CNを上回るが、コalescent埋め込みよりわずかに劣るため、精度と予測力の間で強いトレードオフが存在することが示された。
• MSTにおけるノード接続の順序は、ハイパーオリックディスクにおけるノードの角度座標を効果的に近似しており、類似度関係を反映している。
• MCAの時間計算量は、MST構築に用いるデータ構造に依存して、エッジ数に対して近線形に近づく。
• 局所的な類似度とグローバルな距離の最小化に根ざした、最小限のグリーディなメカニズムにより、階層的ネットワーク構造を効果的に捉える強靭性を示した。