[论文解读] Edge exchangeable models for network data

Harry Crane, Walter Dempsey|arXiv (Cornell University)|Mar 15, 2016

Complex Network Analysis Techniques参考文献 37被引用 28

一句话总结

本文提出了用于网络数据的边缘交换模型，其中边缘而非顶点是统计单元，从而能够对稀疏性和幂律度分布进行真实建模。该框架使用边类型的随机测度来生成交换的边标记网络，形成一个具有可处理推理和强大理论性质的非参数模型类。

ABSTRACT

Exchangeable models for countable vertex-labeled graphs cannot replicate the large sample behaviors of sparsity and power law degree distribution observed in many network datasets. Out of this mathematical impossibility emerges the question of how network data can be modeled in a way that reflects known empirical behaviors and respects basic statistical principles. We address this question by observing that edges, not vertices, act as the statistical units in networks constructed from interaction data, making a theory of edge-labeled networks more natural for many applications. In this context we introduce the concept of {\em edge exchangeability}, which unlike its vertex exchangeable counterpart admits models for networks with sparse and/or power law structure. Our characterization of edge exchangeable networks gives rise to a class of nonparametric models, akin to graphon models in the vertex exchangeable setting. Within this class, we identify a tractable family of distributions with a clear interpretation and suitable theoretical properties, whose significance in estimation, prediction, and testing we demonstrate.

研究动机与目标

• 解决顶点交换模型在复制真实网络特性（如稀疏性和幂律度分布）方面的根本局限性。
• 通过将边缘视为统计单元，重新构想网络建模，尤其适用于电子邮件、合作或社交互动等基于交互的数据。
• 建立一个基于交换性的原则性非参数框架，尊重统计原则的同时捕捉现实世界中的网络行为。
• 利用随机测度和无限交换性，为边缘交换网络建立理论基础，形成类似于顶点交换设定中图子（graphons）的模型类。
• 通过理论和实证验证，证明所提模型在估计、预测和假设检验中的实用性。

提出的方法

• 将交互数据定义为交互索引与群体元素有限多重集之间的对应关系，将网络建模为无顶点标签的边标记结构。
• 引入边缘交换性作为对称性原则，即边的联合分布对边索引的置换保持不变，从而支持对稀疏性和重尾度分布的建模。
• 利用定义在顶点无序对空间（fin2([0,1])）上的随机测度 ν 构造表示定理，使得边类型由 ν 决定，边标记网络作为 ν∞ 的独立同分布样本生成。
• 使用 de Finetti 定理证明边缘交换网络可通过随机测度 ν 进行积分表示，确保交换性并支持贝叶斯非参数推断。
• 从 ν 定义边类型概率 f{i,j}，包括 f{0,0}（自环）、f{0,i}（与顶点 i 相连的边）、f{−1,0}（不同的无序对）以及 f{i,j}（顶点 i 与 j 之间的边），形成取值于单纯形的随机向量。
• 通过可测变换将边标记网络映射为顶点标记结构，确保诱导的边标记网络分布与指定的边类型概率一致。

实验结果

研究问题

• RQ1 能否开发一种原则性的概率模型来对网络数据建模，使其在尊重统计交换性的同时复制真实网络的特征，如稀疏性和幂律度分布？
• RQ2 是否存在一种基于边而非顶点的交换性概念，能够支持复杂网络的非参数模型？
• RQ3 如何从数学上表示边缘交换模型，以支持推断和统计分析？
• RQ4 边缘交换性与现有模型（如图子或随机块模型）之间存在何种理论联系？
• RQ5 边缘交换模型能否支持实际任务，如在真实世界网络数据集中的估计、预测和假设检验？

主要发现

• 边缘交换模型能够生成具有稀疏性和幂律度分布的网络，解决了顶点交换模型的根本局限性。
• 该模型类可通过定义在 fin2([0,1]) 上的随机测度 ν 实现 de Finetti 类型表示，确保交换性并支持非参数推断。
• 该框架支持一个具有清晰可解释性的分布族，其中边类型由 ν 的可测函数决定。
• 该模型成功复制了真实世界网络的关键经验特征，包括来自 Enron 邮件语料、演员合作网络和 Wikipedia 投票数据的网络。
• 理论结果证实，边缘交换网络可表示为从随机测度中独立同分布抽取的边样本，且边标记网络分布完全由 ν 导出的边类型概率刻画。
• 该方法支持有效的统计推断，包括边类型分布的估计和网络结构的预测，在测试和预测任务中表现出实际效用。