[论文解读] Computationally Inferred Genealogical Networks Uncover Long-Term Trends in Assortative Mating

Eric Malmi, Aristides Gionis+1 more|arXiv (Cornell University)|Feb 16, 2018

Demographic Trends and Gender Preferences参考文献 28被引用 8

一句话总结

本论文提出了一套可扩展的计算框架，利用概率记录匹配从历史生命记录中推断大规模家谱网络。该框架引入了两种监督方法——BinClass 和 Collective，实现了 61.6% 的链接预测准确率，并揭示了 1735–1885 年间芬兰的同质婚现象并未随时间单调增加或减少，表明跨代际的稳定社会同质婚现象持续存在。

ABSTRACT

Genealogical networks, also known as family trees or population pedigrees, are commonly studied by genealogists wanting to know about their ancestry, but they also provide a valuable resource for disciplines such as digital demography, genetics, and computational social science. These networks are typically constructed by hand through a very time-consuming process, which requires comparing large numbers of historical records manually. We develop computational methods for automatically inferring large-scale genealogical networks. A comparison with human-constructed networks attests to the accuracy of the proposed methods. To demonstrate the applicability of the inferred large-scale genealogical networks, we present a longitudinal analysis on the mating patterns observed in a network. This analysis shows a consistent tendency of people choosing a spouse with a similar socioeconomic status, a phenomenon known as assortative mating. Interestingly, we do not observe this tendency to consistently decrease (nor increase) over our study period of 150 years.

研究动机与目标

• 开发可扩展、自动化的计算方法，从历史生命记录中构建大规模家谱网络，以克服人工、耗时的家谱重建方法的局限性。
• 通过建模家庭结构中的集体模式（如多个子女共享同一对父母）来提升记录匹配的准确性。
• 利用计算推断的网络实现对同质婚等社会现象的纵向分析，覆盖多代际时间跨度。
• 提供可复现、开源的家谱网络推断与分析框架，支持人口学、遗传学及计算社会科学的未来研究。

提出的方法

• BinClass 方法将家谱网络推断问题转化为一系列二分类任务，基于姓名、出生年份、地理位置等人口统计特征，预测某对个体（子女与潜在父母）之间是否存在链接。
• Collective 方法在 BinClass 的基础上，通过建模链接记录之间的依赖关系（特别是同一父亲的多个子女应共享同一母亲）来扩展，将问题重新表述为设施选址优化问题。
• 通过在人工验证的训练数据集上进行监督学习估计链接概率，从而通过调整最低概率阈值实现精确率-召回率之间的权衡。
• 该方法结合了概率记录匹配技术，以处理历史记录中的不确定性，包括姓名变体和转录错误。
• 在时间维度上应用移动平均平滑技术，以减少同质婚纵向趋势分析中的噪声。
• 该方法在 1735–1885 年间覆盖芬兰的数据库上进行评估，最终构建的网络中最大连通分量包含 260 万名个体。

实验结果

研究问题

• RQ1 在历史人口中，同质婚（即社会经济地位相似的个体结婚）是否在长期内持续存在？
• RQ2 同质婚的强度随时间如何变化？是否存在单调趋势？
• RQ3 计算方法能否以足够高的准确率推断出大规模家谱网络，从而支持可靠的纵向社会科学研究？
• RQ4 与独立分类相比，集体推理模型在多大程度上提升了链接预测的准确率？

主要发现

• BinClass 方法在预测父母-子女链接方面实现了 61.6% 的准确率，优于先前的 NaiveBayes 基线方法（56.9%）。
• Collective 方法通过建模共享的父母对，提升了消歧能力，从而获得更高的准确率和更一致的网络结构。
• 在 1735 至 1885 年间，芬兰始终存在同质婚现象，个体表现出对社会经济地位相似配偶的强烈偏好。
• 同质婚的强度在 150 年间未表现出单调趋势，既未持续增强也未持续减弱。
• 敏感性分析表明，观测到的同质婚趋势对最低链接概率阈值和平滑窗口的变化具有鲁棒性。
• 推断出的家谱网络支持对长期社会动态的大规模、自动化分析，证明了大规模计算人口学的可行性。