[论文解读] In-Network Neighborhood-Based Node Similarity Measure: A Unified Parametric Model

Yang Yu, Jian Pei|arXiv (Cornell University)|Oct 13, 2015

Complex Network Analysis Techniques参考文献 27被引用 3

一句话总结

本文提出了一种基于邻域特征的统一参数化模型，用于网络内节点相似性的度量，支持灵活的、面向特定应用的相似性度量。该模型引入了四种实例度量方法——基于最大公共邻域、邻域模式、随机游走和k跳邻居——并通过在真实网络和合成网络上的大量实验，验证了其有效性。

ABSTRACT

In many applications, we need to measure similarity between nodes in a large network based on features of their neighborhoods. Although in-network node similarity based on proximity has been well investigated, surprisingly, measuring in-network node similarity based on neighborhoods remains a largely untouched problem in literature. One grand challenge is that in different applications we may need different measurements that manifest different meanings of similarity. In this paper, we investigate the problem in a principled and systematic manner. We develop a unified parametric model and a series of four instance measures. Those instance similarity measures not only address a spectrum of various meanings of similarity, but also present a series of tradeoffs between computational cost and strictness of matching between neighborhoods of nodes being compared. By extensive experiments and case studies, we demonstrate the effectiveness of the proposed model and its instances.

研究动机与目标

• 解决在大规模网络中基于邻域结构测量节点相似性的系统性方法缺失问题。
• 开发一种灵活的参数化框架，通过插入不同的邻域特征，支持多种相似性含义。
• 提供一系列相似性度量，平衡计算成本与拓扑匹配的严格性。
• 确保各类实例中保留理论性质，如度量变换和归一化。
• 通过在真实世界和合成网络上的大量实验，验证模型的有效性。

提出的方法

• 提出一种统一的参数化模型，通过允许自定义特征和聚合函数，推广基于邻域的相似性度量。
• 定义四种实例相似性度量：SimMCN（最大公共邻域）、SimNP（邻域模式）、SimLW（标记随机游走）和SimKN（k跳邻居）。
• 使用邻域模式集合S，结合参数τ（模式频率阈值）和n（模式长度）来定义SimNP。
• 应用归一化和度量变换技术，确保相似性度量具有可扩展性和数学上的严谨性。
• 在相似性矩阵上应用谱聚类，以在无需完整拓扑信息的情况下评估结构角色检测。
• 使用带有植入异常的合成图，评估相似性度量的排名提升能力和鲁棒性。

实验结果

研究问题

• RQ1 如何系统地基于邻域结构而非邻近性或相对邻近性来建模节点相似性？
• RQ2 哪些邻域特征能够有效捕捉相似性的不同应用特定含义？
• RQ3 不同基于邻域的相似性度量在计算成本与拓扑匹配精度之间如何权衡？
• RQ4 基于邻域的相似性度量能否被转化为归一化相似性或度量，以支持下游应用？
• RQ5 这些度量在真实世界任务（如异常检测和节点聚类）中的有效性如何？

主要发现

• 所提出的模型通过四种不同的实例度量方法，成功捕捉了相似性的多样化含义，每种方法均针对不同应用需求进行了定制。
• 所有四种相似性度量均可归一化并转化为有效度量，确保了数学上的稳健性。
• 基于邻域模式的SimNP在NetSci合作者网络中有效将节点划分为结构角色，识别出枢纽节点、异常点和主流节点。
• 在异常检测任务中，SimLW和SimKN显著提升了植入异常节点的排名，平均排名提升分别为12.5和14.3。
• 该模型在合成网络和真实世界网络中均表现出色，展现出在多样化网络结构中的鲁棒性和适应性。
• 该方法可在无需完整拓扑信息的情况下实现有效的节点聚类，仅依赖于基于邻域特征生成的成对相似性矩阵。