[논문 리뷰] Prediction and Clustering in Signed Networks: A Local to Global Perspective

Kai-Yang Chiang, Cho‐Jui Hsieh외 3명|arXiv (Cornell University)|2013. 02. 20.

Complex Network Analysis Techniques참고 문헌 40인용 수 122

한 줄 요약

이 논문은 사회 균형 이론을 활용하여 서명 네트워크에서의 서명 예측 및 클러스터링을 위한 국지적에서 전역적 구조로의 프레임워크를 제안한다. 불균형 측정 기반 국지적 방법과 고차원 순환을 활용한 방법을 도입하고, 정확도와 효율성에서 국지적 방법을 능가하는 전역적 저질수 행렬 복원 방법을 제시하여, 서명 네트워크 분석에서 전역적 구조 모델링의 우수성을 입증한다.

ABSTRACT

The study of social networks is a burgeoning research area. However, most existing work deals with networks that simply encode whether relationships exist or not. In contrast, relationships in signed networks can be positive ("like", "trust") or negative ("dislike", "distrust"). The theory of social balance shows that signed networks tend to conform to some local patterns that, in turn, induce certain global characteristics. In this paper, we exploit both local as well as global aspects of social balance theory for two fundamental problems in the analysis of signed networks: sign prediction and clustering. Motivated by local patterns of social balance, we first propose two families of sign prediction methods: measures of social imbalance (MOIs), and supervised learning using high order cycles (HOCs). These methods predict signs of edges based on triangles and \ell-cycles for relatively small values of \ell. Interestingly, by examining measures of social imbalance, we show that the classic Katz measure, which is used widely in unsigned link prediction, actually has a balance theoretic interpretation when applied to signed networks. Furthermore, motivated by the global structure of balanced networks, we propose an effective low rank modeling approach for both sign prediction and clustering. For the low rank modeling approach, we provide theoretical performance guarantees via convex relaxations, scale it up to large problem sizes using a matrix factorization based algorithm, and provide extensive experimental validation including comparisons with local approaches. Our experimental results indicate that, by adopting a more global viewpoint of balance structure, we get significant performance and computational gains in prediction and clustering tasks on signed networks. Our work therefore highlights the usefulness of the global aspect of balance theory for the analysis of signed networks.

연구 동기 및 목표

• 기존의 무기호 네트워크 알고리즘들이 정의된 양의 및 음의 관계를 포함하는 서명 네트워크 분석에서 가지는 한계를 해결하기 위해.
• 서명 네트워크에서 국소적 사회 균형 패턴(예: 삼각형)이 전역 네트워크 구조와 어떻게 관련되어 있는지 탐색하기 위해.
• 사회 균형 이론의 국소적 및 전역적 관점을 통합하여 서명 예측 및 클러스터링 성능을 향상시키기 위해.
• 대규모 서명 네트워크 분석을 위한 확장 가능하고 이론적으로 타당한 알고리즘을 개발하기 위해.
• 전역적 모델링을 통해 저질수 행렬 복원을 사용할 경우 순수하게 국소적 방법보다 우수한 성능을 얻을 수 있음을 입증하기 위해.

제안 방법

• 삼각형 및 순환 패턴에 기반한 사회 불균형 측정(MOIs)과 고차원 순환(HOCs)을 활용한 지도 학습을 기반으로 한 두 가지 국지적 서명 예측 방법을 제안한다.
• 기존의 무기호 네트워크에 대한 클라츠 측정법이 사회 불균형 측정을 통해 서명 네트워크에서 이론적으로 해석될 수 있음을 드러낸다.
• 균형 잡힌 서명 네트워크를 저질수 행렬로 모델링하고, 서명 예측 문제를 저질수 행렬 복원 문제로 재정의함으로써 전역적 접근을 제안한다.
• 확장 가능한 저질수 근사에 대해 볼록 최적화, 특이치 임계처리 및 행렬 분해 기법을 활용한다.
• 균형 잡힌 네트워크의 전역적 구조를 활용하여 저질수 모델을 클러스터링에 적용한다.
• 저질수 접근법을 대규모 네트워크에 적용하기 위해 행렬 분해 기반 알고리즘을 활용하여 효율적인 계산을 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 사회 균형의 국소적 패턴(예: 삼각형)을 활용하여 서명 네트워크에서의 서명 예측 성능을 향상시킬 수 있는가?
• RQ2 삼각형 기반 방법에 비해 고차원 순환(ℓ-순환)은 서명 예측 정확도를 어느 정도 향상시키는가?
• RQ3 균형 잡힌 서명 네트워크의 전역적 저질수 구조를 활용하여 서명 예측 및 클러스터링 성능을 향상시킬 수 있는가?
• RQ4 정확도와 계산 효율성 측면에서 전역적 저질수 모델링의 성능은 국지적 방법과 비교해 어떻게 다른가?
• RQ5 저질수 행렬 복원을 서명 네트워크 분석에 사용하는 데 이론적 근거는 무엇인가?

주요 결과

• 제안된 저질수 행렬 분해 기반 서명 예측 방법은 MOIs 및 HOC 기반 국지적 방법보다 예측 정확도에서 뚜렷한 우월성을 보였다.
• 행렬 분해 기반 서명 예측은 국지적 방법보다 훨씬 빠른 실행 시간을 기록하여 계산 확장성 면에서 뛰어난 성능을 입증했다.
• 저질수 모델링 접근법은 전통적인 서명 라플라시안 방법에 비해 더 유리한 클러스터링 결과를 도출했다.
• 사회 불균형 측정(MOIs)은 널리 사용되는 클라츠 측정법이 균형 이론을 통해 서명 네트워크에서 자연스러운 해석을 가짐을 드러냈다.
• HOC 기반 예측에 더 긴 순환(ℓ > 3)을 통합할 경우 정확도가 향상되어 더 넓은 국소적 패턴이 성능 향상에 기여함을 시사했다.
• 저질수 행렬 복원 공식화에 대해 볼록 최적화를 통한 이론적 성능 보장을 제공하여, 이 방법의 강건성과 신뢰성을 뒷받침했다.