[论文解读] Generic Multilayer Network Data Analysis with the Fusion of Content and Structure

Xuan-Son Vu, Abhishek Santra+2 more|arXiv (Cornell University)|May 21, 2019

Complex Network Analysis Techniques参考文献 28被引用 4

一句话总结

本文提出了一种多层网络（MLN）框架，通过融合基于内容的特征（例如从文本中提取的政治观点）与结构化网络数据，实现对大规模社交网络的灵活、高效分析。通过将每个特征建模为独立图层，并利用预计算社区的节点交集，该方法相比传统图组合方法将计算时间最多减少87%，尤其在真实世界Facebook数据上的复杂多特征查询中表现出优异的可扩展性。

ABSTRACT

Multi-feature data analysis (e.g., on Facebook, LinkedIn) is challenging especially if one wants to do it efficiently and retain the flexibility by choosing features of interest for analysis. Features (e.g., age, gender, relationship, political view etc.) can be explicitly given from datasets, but also can be derived from content (e.g., political view based on Facebook posts). Analysis from multiple perspectives is needed to understand the datasets (or subsets of it) and to infer meaningful knowledge. For example, the influence of age, location, and marital status on political views may need to be inferred separately (or in combination). In this paper, we adapt multilayer network (MLN) analysis, a nontraditional approach, to model the Facebook datasets, integrate content analysis, and conduct analysis, which is driven by a list of desired application based queries. Our experimental analysis shows the flexibility and efficiency of the proposed approach when modeling and analyzing datasets with multiple features.

研究动机与目标

• 解决大规模、复杂社交网络数据集在多种异构特征（例如年龄、政治观点、关系）下分析的挑战。
• 克服传统单图建模方法的局限性，后者在处理多特征和多关系时计算上变得不可行且效率低下。
• 通过解耦的分层网络模型，实现灵活的、用户驱动的分析，支持任意特征组合。
• 将内容分析（例如从文本帖子中推导政治观点）无缝集成到结构化网络分析中，以获得更丰富的洞察。
• 在真实世界的大规模Facebook数据集上，展示MLN方法在可扩展性、效率和准确性方面的优势。

提出的方法

• 将每个特征（例如年龄、政治观点、地理位置）建模为独立的单层图，形成包含M个图层的多层网络（MLN）。
• 使用Infomap算法为每一层预计算社区，同时存储社区列表和内部聚类系数，以评估其自保持特性。
• 对于需要K层AND组合的查询，通过基于共享节点的K个图层社区交集来计算结果，避免完整图组合。
• 利用并行计算同时处理各个图层，显著降低整体计算时间。
• 采用系统化的方法组合图层，无需构建中间组合图，从而提升存储和时间效率。
• 通过与传统图组合方法（SLG）对比验证结果，后者为每个查询生成完整的AND组合图。

实验结果

研究问题

• RQ1 与传统单图方法相比，多层网络建模是否能实现对大规模多特征社交网络数据集更灵活、更高效的分析？
• RQ2 将基于内容的特征（例如从文本中推导出的政治观点）与结构化网络特征相结合，如何增强分析洞察力？
• RQ3 随着查询数量和图层数量的增加，使用MLN结合社区交集相比传统图组合方法，在计算上具有多大优势？
• RQ4 图层级社区检测的并行处理在多大程度上提升了真实世界数据集上的可扩展性和性能？
• RQ5 在复杂多特征分析场景中，MLN方法是否能在显著降低存储和计算成本的同时保持结果的准确性？

主要发现

• 与无并行化的传统方法相比，MLN方法将总计算时间减少了36%（从78.520秒降至50.354秒）。
• 采用并行处理后，MLN方法将总计算时间减少了87%（降至9.987秒），展现出强大的可扩展性。
• 最耗时的查询（Q2b）仅需0.039秒完成组合，而最稀疏的图层耗时1.61秒——凸显MLN在性能上具有两个数量级的优势。
• 由于避免了指数级的AND组合操作，MLN方法在时间与存储方面均优于传统方法，尤其当查询数量（N）和每查询图层数（K）增加时更为显著。
• 在使用并行处理时，MLN方法将最密集图层（L5：地理位置）的处理时间减少了80.4%，表明在高复杂度组件上性能提升显著。
• 结果验证了：通过预计算社区与节点交集的MLN方法，能够为复杂多特征社交网络查询提供准确、高效且可扩展的分析。