[論文レビュー] Signed Network Modeling Based on Structural Balance Theory

Tyler Derr, Charų C. Aggarwal+1 more|arXiv (Cornell University)|Oct 25, 2017

Complex Network Analysis Techniques参考文献 34被引用数 3

ひとこと要約

本稿では、構造的バランス理論を統合することで、次数分布、符号分布、バランス／アンバランスな三角形分布の3つの主要な性質を保持する、新しい生成的符号付きネットワークモデル、バランス符号付きチュン＝ル（BSCL）を提案する。このモデルは、自動パラメータ学習を用いて、構造的およびバランスダイナミクスの面で現実の符号付きネットワークに類似した合成符号付きネットワークを生成する。

ABSTRACT

The modeling of networks, specifically generative models, have been shown to provide a plethora of information about the underlying network structures, as well as many other benefits behind their construction. Recently there has been a considerable increase in interest for the better understanding and modeling of networks, but the vast majority of this work has been for unsigned networks. However, many networks can have positive and negative links(or signed networks), especially in online social media, and they inherently have properties not found in unsigned networks due to the added complexity. Specifically, the positive to negative link ratio and the distribution of signed triangles in the networks are properties that are unique to signed networks and would need to be explicitly modeled. This is because their underlying dynamics are not random, but controlled by social theories, such as Structural Balance Theory, which loosely states that users in social networks will prefer triadic relations that involve less tension. Therefore, we propose a model based on Structural Balance Theory and the unsigned Transitive Chung-Lu model for the modeling of signed networks. Our model introduces two parameters that are able to help maintain the positive link ratio and proportion of balanced triangles. Empirical experiments on three real-world signed networks demonstrate the importance of designing models specific to signed networks based on social theories to obtain better performance in maintaining signed network properties while generating synthetic networks.

研究の動機と目的

• 符号付きネットワークの原理的生成モデルの欠如に取り組む。これは、符号付きエッジの意味的性質とバランス理論のような社会的原則があるため、符号なしネットワークとは根本的に異なる。
• 既存の符号なしネットワークモデルでは、符号付きネットワークが有する特異な構造的および動的性質を捉えることができないという限界を克服する。
• 次数分布、正負のリンク比、バランス対アンバランスな三角形の分布という3つのコアな性質を同時に保持する生成モデルを開発する。
• 実際のユーザーデータを暴露することなく、研究、ベンチマーク、ノイズモデルテストのためのプライバシー保護型合成ネットワーク生成を可能にする。
• 実際の符号付きネットワーク入力に基づいてモデルパラメータを自動的にキャリブレーションするための自動パラメータ学習フレームワークを提供する。これにより、ネットワークの主要な性質を正確に再現できる。

提案手法

• エッジの符号と三角形のバランス制約を組み込んだ、チュン＝ルのランダムグラフモデルに基づく生成プロセスを提案。これを符号付きネットワークに拡張する。
• 2つの主要なパラメータを導入：バランス三角形の割合を制御する三角形バランスパラメータと、正負エッジ比を制御する符号バランスパラメータ。
• 観測されたネットワーク特性に一致させるために、実際の符号付きネットワークからこれらのパラメータを学習する自動パラメータ推定アルゴリズムを設計。
• 符号付きエッジに適応した優先的付加メカニズムを用いて、入力ネットワークの次数分布を保持する。
• 構造的バランスを強制し、例えば3つの正のエッジ、または1つの正と2つの負のエッジを持つ一貫性のある符号パターンを持つ三角形の形成を優遇する。
• 学習済みパラメータとターゲット分布を維持しながら、逐次的にネットワークを成長させる確率的プロセスを用いる。

実験結果

リサーチクエスチョン

• RQ1 符号付きネットワークにおいて、次数分布、符号分布、バランス三角形分布の3つを同時に保持する生成モデルを設計できるか？
• RQ2 構造的バランス理論に従うモデルは、既存の符号なしまたはヒューリスティックモデルと比較して、現実の符号付きネットワークの構造的性質をどの程度正確に再現できるか？
• RQ3 自動パラメータ学習により、手動でのチューニングを必要とせずに、合成符号付きネットワークの忠実度をどの程度向上させられるか？
• RQ4 提案されたモデルが生成するネットワークは、三角形タイプの分布と全体のネットワーク構造において、実際の符号付きネットワークとどの程度類似しているか？
• RQ5 このモデルは、プライバシー保護型研究や符号付きネットワーク解析におけるアルゴリズムベンチマークのための、実データの代替として実用的であるか？

主な発見

• BSCLモデルは、実際の符号付きネットワークの次数分布を成功裏に保持しており、生成されたネットワークは実世界の入力と最小限の乖離を示している。
• モデルは符号分布を正確に再現しており、Bitcoin-OTC、Bitcoin-Alpha、Epinionsなどの実データセットで観察された正負エッジ比を維持している。
• 3つの実世界の符号付きネットワーク（Bitcoin-OTC、Bitcoin-Alpha、Epinions）において、BSCLモデルは他のモデルと比較して、三角形タイプ分布の絶対差が最小（それぞれ0.102、0.309、0.309）を達成した。
• 細分化された符号付き三角形タイプの分布を再現する点で、STCL/SKron、Ants14、Evo07を上回り、特に{+,+,+}および{+,+,-}三角形の頻度を的確に捉えている。
• 自動パラメータ学習アプローチにより、手動でのハイパーパramータチューニングを必要とせずに、高忠実度の合成ネットワークを生成できた。
• 実証的結果から、BSCLは実際の符号付きネットワークの主要な構造的およびバランス関連の性質を維持する合成符号付きネットワークを効果的に生成できることを示しており、実データの代替としての利用に適している。