[논문 리뷰] Predicting missing links and their weights via reliable-route-based method

Jing Zhao, Lili Miao외 4명|arXiv (Cornell University)|2014. 08. 05.

Complex Network Analysis Techniques참고 문헌 41인용 수 41

한 줄 요약

이 논문은 누락된 링크와 그 가중치를 예측하기 위해 가중치가 부여된 네트워크로 비가중치 국소 유사도 지표를 확장하기 위해 신뢰할 수 있는 경로 기반 방법을 제안한다. 링크 가중치를 신뢰할 수 있는 경로에서 유도된 유사도 점수에 비례하도록 모델링함으로써, 가중치 예측 정확도가 크게 향상되며, 특히 고집합성 네트워크에서 신뢰할 수 있는 경로 기반 가중치 자원 할당 지표(rWRA)가 다른 방법보다 뛰어난 성능을 보인다.

ABSTRACT

Link prediction aims to uncover missing links or predict the emergence of future relationships according to the current networks structure. Plenty of algorithms have been developed for link prediction in unweighted networks, with only a very few of them having been extended to weighted networks. Thus far, how to predict weights of links is important but rarely studied. In this Letter, we present a reliable-route-based method to extend unweighted local similarity indices to weighted indices and propose a method to predict both the link existence and link weights accordingly. Experiments on different real networks suggest that the weighted resource allocation index has the best performance to predict the existence of links, while the reliable-route-based weighted resource allocation index performs noticeably better on weight prediction. Further analysis shows a strong correlation for both link prediction and weight prediction: the larger the clustering coefficient, the higher the prediction accuracy.

연구 동기 및 목표

• 가중치가 부여된 네트워크에서 링크 가중치를 예측하는 데 있어 아직 다루지 않은 분야에 대비하여, 링크 존재 예측에 대한 광범위한 연구에도 불구하고 링크 가중치 예측은 여전히 미비한 상태임을 해결하기 위해.
• 신뢰할 수 있는 경로 프레임워크를 사용하여 비가중치 국소 유사도 지표(예: 자원 할당)를 가중치가 부여된 네트워크로 확장하기 위해.
• 단지 구조적 정보만을 사용하여 누락된 링크의 존재 여부와 해당 가중치를 모두 예측할 수 있는 방법을 개발하기 위해.
• 다양한 실제 네트워크에서 제안된 방법의 성능을 평가하고, 특히 집합 계수와 같은 네트워크 구조의 영향을 분석하기 위해.

제안 방법

• 노드 간 가장 신뢰할 수 있는 경로를 유사도 계산의 기초로 삼음으로써, 비가중치 유사도 지표를 가중치가 부여된 네트워크로 일반화한다.
• 링크 가중치를 유사도 점수에 비례하도록 설정하기 위해 최적화 알고리즘을 사용하여 최적의 가중치 예측 함수를 결정한다.
• 경로의 신뢰성은 경로를 따라 있는 가중치의 역수의 합으로 결정되며, 누적 신뢰성이 높은 경로를 선호한다.
• 가중치 자원 할당 지표(WRA)는 가장 신뢰할 수 있는 경로만을 고려하는 신뢰할 수 있는 경로 기반 버전(rWRA)으로 확장된다.
• 링크 존재 예측의 정밀도와 가중치 예측의 피어슨 상관계수를 사용하여 10%의 테스트 링크에서 정확도를 평가한다.
• 예측 성능과의 상관관계를 분석하기 위해 집합 계수(비가중치 C 및 가중치 Cw)를 계산한다.

실험 결과

연구 질문

• RQ1 비가중치 국소 유사도 지표를 효과적으로 가중치가 부여된 네트워크로 일반화하여 누락된 링크와 그 가중치를 예측할 수 있는가?
• RQ2 노드 간 경로의 신뢰성이 링크 및 가중치 예측 정확도에 어떤 영향을 미치는가?
• RQ3 링크 및 가중치 예측 작업에서 네트워크의 집합 구조와 예측 정확도 사이의 관계는 무엇인가?
• RQ4 제안된 신뢰할 수 있는 경로 기반 방법이 실제 네트워크에서 기존의 가중치 기반 유사도 지표를 초월하는가?

주요 결과

• 신뢰할 수 있는 경로 기반 가중치 자원 할당 지표(rWRA)는 모든 여섯 개의 실제 네트워크에서 다른 방법들보다 뚜렷이 뛰어난 성능을 보이며 가중치 예측을 수행한다.
• 가중치 자원 할당 지표(WRA)는 특히 집합 계수가 높은 네트워크에서 누락된 링크 존재 예측 정밀도가 가장 높다.
• 가중치 집합 계수(Cw)와 링크 예측의 최고 정확도 사이에 강한 정적 상관관계(r = 0.940)가 존재한다.
• 비가중치 버전(C)에 비해 가중치 집합 계수(Cw)가 예측 정확도와 더 강한 상관관계를 보이며, 이는 Cw가 예측을 위한 구조적 패턴을 더 잘 반영함을 시사한다.
• 예를 들어 Corum(C = 0.747, Cw = 0.795)과 같이 집합 계수가 높은 네트워크는 hsaPPI 및 String과 같이 희박하거나 노이즈가 많은 네트워크보다 뚜렷이 높은 예측 정확도를 달성한다.
• 이 방법은 생물학적, 사회적, 기술적 네트워크를 포함한 다양한 네트워크 유형에서 뛰어난 성능을 보이며, 가중치 예측에서 일관된 향상을 보였다.