[論文レビュー] Modeling and estimating change in temporal networks via a dynamic degree corrected stochastic block model.

James Wilson, Nathaniel T. Stevens+1 more|arXiv (Cornell University)|May 13, 2016

Complex Network Analysis Techniques参考文献 60被引用数 26

ひとこと要約

本稿では、統計的プロセス制御を用いて推定されたモデルパラメータをモニタリングすることにより、時間的ネットワークにおける構造的変化を検出する動的度数補正付きスティリスティックブロックモデル（DCSBM）を提案する。米国上院の共投票ネットワークに適用したところ、二極化の傾向と団結の時期を的確に特定し、局所的および大規模なネットワーク構造の変化の両方を効果的に検出することに成功した。

ABSTRACT

In many applications it is of interest to identify anomalous behavior within a dynamic interacting system. Such anomalous interactions are reflected by structural changes in the network representation of the system. We propose and investigate the use of a dynamic version of the degree corrected stochastic block model (DCSBM) to model and monitor dynamic networks that undergo a significant structural change. We apply statistical process monitoring techniques to the estimated parameters of the DCSBM to identify significant structural changes in the network. Application of our surveillance strategy to the dynamic U.S. Senate co-voting network reveals that we are able to detect significant changes in the network that reflect both times of cohesion and times of polarization among Republican and Democratic party members. These findings provide valuable insight about the evolution of the bipartisan political system in the United States. Our analysis demonstrates that the dynamic DCSBM monitoring procedure effectively detects local and global structural changes in dynamic networks. The DCSBM approach is an example of a more general framework that combines parametric random graph models and statistical process monitoring techniques for network surveillance.

研究の動機と目的

• 構造的変化が異常行動を示す動的システムにおける進化するネットワーク構造をモデル化すること。
• 時間的ネットワークにおける顕著な構造的シフトを検出する監視フレームワークを開発すること。
• 動的DCSBMのパラメータに統計的プロセス監視を適用し、リアルタイムでの変化検出を実現すること。
• ネットワーク構造的変化を通じて、米国上院における二極化の進化に関する洞察を明らかにすること。

提案手法

• 時間経過に伴うネットワーク構造を表現するために、度数補正付きスティリスティックブロックモデル（DCSBM）の動的版が用いられる。
• ブロック所属関係やエッジ確率を含むモデルパラメータが、離散的な時間窓ごとに推定される。
• 推定されたDCSBMパラメータに対して統計的プロセス監視技術が適用され、顕著な乖離を検出する。
• パラメータの推移が制御限界を超えると、構造的シフトが検出される。
• パラメータの安定性を時間経過で追跡することにより、局所的および大規模な変化検出が可能になる。
• ネットワーク監視のため、パrametricなランダムグラフモデルと統計的プロセス制御を統合するフレームワークが構築される。

実験結果

リサーチクエスチョン

• RQ1 動的DCSBMは、ネットワーク構造の時間的変化をどのように効果的にモデル化できるか？
• RQ2 動的ネットワークにおける構造的シフトを信頼性高く検出できる統計的手法は何か？
• RQ3 DCSBMのパラメータの変化は、政治的極化などの現実世界のネットワーク現象とどのように対応するか？
• RQ4 この手法は、実世界のネットワークにおいて局所的および大規模な構造的変化を検出できるか？
• RQ5 ネットワーク構造的変化の検出を通じて、米国上院における二極化の進化についてどのような洞察が得られるか？

主な発見

• 動的DCSBMは、時間経過に伴う米国上院の共投票ネットワークにおける顕著な構造的変化を的確に検出できた。
• この手法は、共和党および民主党上院議員間における団結の増加や極化の増大の時期を特定した。
• 変化検出結果は、議会における政治的極化や二極化の既知の歴史的出来事と整合的であった。
• このアプローチは、ネットワーク構造の局所的および大規模なシフトの両方を効果的に捉えた。
• DCSBMと統計的プロセス監視の統合により、堅牢でデータ駆動型のネットワーク監視が可能になった。
• 結果から、この手法が現実世界のシステムにおける進化するネットワークダイナミクスを解明する上で実用的であることが示された。