[论文解读] A supervised approach to time scale detection in dynamic networks

Benjamin Fish, Rajmonda S. Caceres|arXiv (Cornell University)|Feb 24, 2017

Complex Network Analysis Techniques参考文献 17被引用 11

一句话总结

本文提出了一种用于动态网络时间尺度检测的监督框架，通过利用标注的训练数据基于任务特定性能优化窗口粒度。该方法在链接预测和属性预测任务中优于无监督基线方法，得益于任务相关的真实标签；然而在数据量较少的场景（如变化点检测）中性能下降，原因在于训练信号有限。

ABSTRACT

For any stream of time-stamped edges that form a dynamic network, an important choice is the aggregation granularity that an analyst uses to bin the data. Picking such a windowing of the data is often done by hand, or left up to the technology that is collecting the data. However, the choice can make a big difference in the properties of the dynamic network. This is the time scale detection problem. In previous work, this problem is often solved with a heuristic as an unsupervised task. As an unsupervised problem, it is difficult to measure how well a given algorithm performs. In addition, we show that the quality of the windowing is dependent on which task an analyst wants to perform on the network after windowing. Therefore the time scale detection problem should not be handled independently from the rest of the analysis of the network. We introduce a framework that tackles both of these issues: By measuring the performance of the time scale detection algorithm based on how well a given task is accomplished on the resulting network, we are for the first time able to directly compare different time scale detection algorithms to each other. Using this framework, we introduce time scale detection algorithms that take a supervised approach: they leverage ground truth on training data to find a good windowing of the test data. We compare the supervised approach to previous approaches and several baselines on real data.

研究动机与目标

• 解决在动态网络中选择最优聚合窗口大小（时间尺度）的挑战，其显著影响网络分析结果。
• 证明最优时间尺度本质上是任务相关的，因目标不同（如链接预测、属性预测、变化点检测）而异。
• 提出一种新颖的框架，通过测量其在下游分析任务中的表现，直接比较不同窗口化算法。
• 开发基于标注训练数据学习的监督窗口化算法，以选择能最大化任务特定性能的时间尺度。
• 在真实世界动态网络数据集上验证监督方法相对于无监督基线的优越性。

提出的方法

• 该框架将时间尺度检测视为监督机器学习问题，其中窗口化参数根据特定分析任务在标注训练集上的表现进行调整。
• 针对每项任务（链接预测、属性预测、变化点检测），该方法使用标注数据训练模型，以选择测试数据的最优窗口大小。
• 通过测量下游任务性能来评估窗口化质量，从而实现不同窗口化算法之间的直接比较。
• 该方法采用监督窗口化算法的加权与非加权变体，其中超参数 B 和 M 控制测试的窗口大小数量。
• 在多个真实世界数据集（Reality Mining、Haggle 等）上评估性能，通过连续时间区间聚合结果以评估稳定性。
• 通过测量连续数据区间间性能得分的差异，分析对窗口大小的敏感性，以反映任务特定的稳定性。

实验结果

研究问题

• RQ1 动态网络分析的最优时间尺度是否依赖于下游分析任务？
• RQ2 能否使用监督学习框架，基于任务性能直接比较并优化时间尺度检测算法？
• RQ3 监督窗口化方法在不同网络分析任务中与无监督基线相比表现如何？
• RQ4 训练数据质量在多大程度上影响监督时间尺度检测的性能，特别是在低数据场景下？
• RQ5 不同窗口化策略在任务间对窗口大小变化的敏感性如何？

主要发现

• 监督方法在链接预测和属性预测任务中显著优于无监督基线，证明了任务特定优化的价值。
• 监督算法的加权版本整体表现最佳，但在 Haggle 数据集上表现较差，可能由于稀疏训练数据导致过拟合。
• 变化点检测对窗口大小最为敏感，性能在小范围窗口大小变化下剧烈波动，使其更难优化。
• 过去表现可预测未来表现的假设在变化点检测中有效性较低，表现为连续区间间得分差异较大，表明泛化能力差。
• 增加超参数 B 和 M（测试的窗口大小数量）可略微提升性能，但增益微弱，验证了在实际应用中使用小而固定的值的合理性。
• 结果证实窗口化具有任务依赖性：链接预测的最佳窗口大小与变化点检测不同，挑战了存在通用最优时间尺度的假设。