[論文レビュー] Predicting Social Links for New Users across Aligned Heterogeneous Social Networks

Jiawei Zhang, Xiangnan Kong+1 more|arXiv (Cornell University)|Oct 13, 2013

Complex Network Analysis Techniques参考文献 20被引用数 17

ひとこと要約

本稿では、ターゲットネットワーク内でのパーソナライズドサンプリングと、アラインドされたソースネットワークからのユーザーデータ転送を活用することで、異種ソーシャルネットワークにおける新規ユーザに対するスパム予測手法であるScan-psを提案する。本手法は、コールドスタート問題を効果的に解決し、実世界のTwitterおよびFoursquareデータセットにおいて、ユーザの新規度に応じたさまざまな状況で、既存手法を上回る性能を示す。

ABSTRACT

Online social networks have gained great success in recent years and many of them involve multiple kinds of nodes and complex relationships. Among these relationships, social links among users are of great importance. Many existing link prediction methods focus on predicting social links that will appear in the future among all users based upon a snapshot of the social network. In real-world social networks, many new users are joining in the service every day. Predicting links for new users are more important. Different from conventional link prediction problems, link prediction for new users are more challenging due to the following reasons: (1) differences in information distributions between new users and the existing active users (i.e., old users); (2) lack of information from the new users in the network. We propose a link prediction method called SCAN-PS (Supervised Cross Aligned Networks link prediction with Personalized Sampling), to solve the link prediction problem for new users with information transferred from both the existing active users in the target network and other source networks through aligned accounts. We proposed a within-target-network personalized sampling method to process the existing active users' information in order to accommodate the differences in information distributions before the intra-network knowledge transfer. SCAN-PS can also exploit information in other source networks, where the user accounts are aligned with the target network. In this way, SCAN-PS could solve the cold start problem when information of these new users is total absent in the target network.

研究の動機と目的

• ターゲットネットワークで十分な歴史的活動が蓄積されていない新規ユーザのソーシャルリンク予測の課題に対処すること。
• 新規ユーザと既存の旧規ユーザの間の分布シフトを解消すること。
• 他のソーシャルネットワーク内のアラインドアカウントから情報を転送することで、コールドスタート問題を軽減すること。
• ネットワーク内サンプリングとネットワーク間知識転送を組み合わせることで、予測性能を向上させること。
• ユーザの新規度が異なる実世界の異種ネットワークにおいて、手法の有効性を評価すること。

提案手法

• Scan-psは、ターゲットネットワーク内でのパーソナライズドサンプリング戦略を用い、旧規ユーザの特徴を再重み付けすることで、新規ユーザと旧規ユーザの間の分布的乖離を低減する。
• 本手法は、ソースネットワーク（例：TwitterからFoursquare）のアラインドアカウントから補助的情報を転送し、新規ユーザの特徴を豊かにする。
• 本手法は、ターゲットネットワークおよびソースネットワークからの構造的特徴とユーザ行動パターンを統合した、教師あり学習フレームワークを採用する。
• パーソナライズドサンプリングは、新規ユーザとの類似度に基づいて旧規ユーザの寄与度を調整し、新規ユーザプロファイルへの一般化性能を向上させる。
• 本フレームワークはマルチソースアライメントをサポートしており、新規ユーザがターゲットネットワークで活動が全くない場合でも、情報転送が可能である。
• 評価指標としてAUCと正答率を用い、サンプリングおよびネットワーク間転送の有効性をアブレーションスタディで検証する。

実験結果

リサーチクエスチョン

• RQ1 ターゲットネットワーク内でのパーソナライズドサンプリングは、活動が限られた新規ユーザのリンク予測性能を向上させることができるか？
• RQ2 アラインドされたソースネットワークからのネットワーク間情報転送は、コールドスタート問題の緩和にどの程度効果的か？
• RQ3 ネットワーク内サンプリングとネットワーク間知識転送を組み合わせることで、単一ソース手法よりも優れた結果が得られるか？
• RQ4 特に履歴データが欠如している場合に、ユーザの新規度に応じてモデル性能はどのように変化するか？
• RQ5 本手法は、実世界の異種ソーシャルネットワークにおいて、従来のリンク予測アプローチを上回る性能を示せるか？

主な発見

• Scan-psは、旧規ユーザ（Old）、伝統的アプローチ（Trad）、ナイーブ手法（Naive）といったベースライン手法を、ユーザの新規度のすべての水準で顕著に上回り、特に残存情報比が低い状況で顕著な優位性を示す。
• パーソナライズドサンプリングは、非サンプリングベースライン（例：Old-ps vs. Old）よりも性能を向上させ、分布シフトの緩和に有効であることを示している。
• 新規ユーザがターゲットネットワークで完全に活動がゼロ（残存情報比 = 0.0）であっても、本手法は強力な性能を維持しており、コールドスタート問題の解決能力を裏付けている。
• ソースネットワークとターゲットネットワークを同時に使用した場合（Scan-ps）は、片方のネットワークのみを使用する場合よりも優れた結果をもたらし、マルチネットワーク情報統合の利点を確認している。
• アブレーションスタディの結果、旧規ユーザのデータをサンプリングすることが不可欠であることが示された（例：Trad vs. Trad-ps）。サンプリングなしで元のデータをそのまま使用すると性能が低下する。
• Scan-psは、Twitter-to-FoursquareおよびFoursquare-to-Twitterの両設定において、AUCおよび正答率の両面で一貫した向上を達成しており、そのロバスト性を裏付けている。