[论文解读] An Exact Method for Computing the Frustration Index in Signed Networks Using Binary Programming

Seyedsamin Arefkashfi, Andrew Mason+1 more|arXiv (Cornell University)|Nov 28, 2016

Complex Network Analysis Techniques参考文献 70被引用 14

一句话总结

本文提出了计算符号网络中挫折指数的首个精确二元规划模型——包括二次和线性两种形式，利用 Gurobi 求解器实现精确且高效的计算。该方法成功计算了各类现实世界与合成网络的挫折指数，结果表明大多数社交网络与生物网络的挫折指数较低，表明其具有结构平衡性。

ABSTRACT

Computing the frustration index of a signed graph is a key to solving problems in different fields of research including social networks, physics, material science, and biology. In social networks the frustration index determines network distance from a state of structural balance. Although the definition of frustration index goes back to 1960, an exact algorithmic computation method has not yet been proposed. The main reason seems to be the complexity of computing the frustration index which is closely related to well-known NP-hard problems such as MAXCUT. New quadratic and linear binary programming models are developed to compute the frustration index exactly. Using the Gurobi solver, we evaluate the frustration index on real-world and synthetic datasets. The synthetic data involves Erdős-Rényi networks, Barabási-Albert networks, and specially structured random graphs. We also use well-known datasets from the sociology literature, such as signed networks inferred from students' choice and rejection as well as datasets from the biology literature including gene regulatory networks. We also provide some results on the frustration index of a political network of countries over time. The results show that exact values of the frustration index can be efficiently computed using our suggested optimisation models. We find that most real-world social networks and some biological networks exhibit a relatively low level of frustration which indicates that they are close to balanced.

研究动机与目标

• 开发一种精确的算法方法，用于计算符号网络中的挫折指数，该问题此前缺乏高效的精确解法。
• 解决挫折指数的计算挑战，该问题为 NP-难问题，且与 MAXCUT 密切相关。
• 评估所提出的二元规划模型在真实世界与合成符号网络上的性能与准确性。
• 通过计算其挫折指数，研究社交与生物网络的结构平衡程度。
• 提供一种可扩展且可靠的优化框架，利用 Gurobi 等商业求解器实现挫折指数的计算。

提出的方法

• 提出一种二次二元规划模型，通过最小化符号图中不平衡三角形的数量来计算挫折指数。
• 将问题重构为线性二元规划形式，以提升计算效率与求解器性能。
• 使用 Gurobi 优化求解器求解二元规划问题，获得精确的挫折指数值。
• 将模型应用于 Erdős-Rényi、Barabási-Albert 及特定结构的随机图，以测试其可扩展性与鲁棒性。
• 在社会学（学生选择/拒绝网络）与生物学（基因调控网络）的真实数据集上验证该方法。
• 将分析扩展至国家间政治联盟的时间序列网络，以研究挫折指数随时间的动态变化。

实验结果

研究问题

• RQ1 能否开发一种精确且高效的算法，用于计算符号网络中的挫折指数？
• RQ2 在不同类型的真实世界符号网络（如社交与生物系统）中，挫折指数如何变化？
• RQ3 现实世界网络在多大程度上表现出结构平衡性，即表现为较低的挫折指数值？
• RQ4 在合成与真实世界网络中，所提出的二元规划模型在性能与可扩展性方面表现如何？
• RQ5 能否对时变网络（如随时间演变的政治联盟）可靠地计算挫折指数？

主要发现

• 所提出的二元规划模型成功计算了所有测试网络的精确挫折指数，证明了精确计算的可行性。
• 大多数真实世界的社交网络以及若干生物网络表现出相对较低的挫折指数，表明其具有高度的结构平衡性。
• 该方法能高效处理合成与真实世界数据集，Gurobi 求解器提供了可靠且快速的解。
• 线性二元规划模型在大规模网络上相比二次模型表现出更优的性能。
• 在时变政治网络中，挫折指数始终保持较低水平，表明国际关系中存在持久的结构平衡。
• 结果证实，挫折指数是衡量多样化领域中网络平衡性的有意义且可计算的指标。