[论文解读] MaxOutProbe: An Algorithm for Increasing the Size of Partially Observed Networks

Sucheta Soundarajan, Tina Eliassi‐Rad+2 more|arXiv (Cornell University)|Nov 20, 2015

Complex Network Analysis Techniques参考文献 20被引用 8

一句话总结

MaxOutProbe 是一种两步算法，通过在部分观测网络中选择节点进行探测，以最大化新观测到的节点数量。它通过估计每个节点的真实度数以及网络的平均聚类系数，优先选择最可能连接到最多未观测邻居的节点，从而在六个数据集和四种采样方法中显著优于随机探测和高程度探测策略。

ABSTRACT

Networked representations of real-world phenomena are often partially observed, which lead to incomplete networks. Analysis of such incomplete networks can lead to skewed results. We examine the following problem: given an incomplete network, which $b$ nodes should be probed to bring the largest number of new nodes into the observed network? Many graph-mining tasks require having observed a considerable amount of the network. Examples include community discovery, belief propagation, influence maximization, etc. For instance, consider someone who has observed a portion (say 1%) of the Twitter retweet network via random tweet sampling. She wants to estimate the size of the largest connected component of the fully observed retweet network. To improve her estimate, how should she use her limited budget to reduce the incompleteness of the network? In this work, we propose a novel algorithm, called MaxOutProbe, which uses a budget $b$ (on nodes probed) to increase the size of the observed network in terms of the number of nodes. Our experiments, across a range of datasets and conditions, demonstrate the advantages of MaxOutProbe over existing methods.

研究动机与目标

• 解决在探测预算有限的情况下，提升不完整网络观测质量的挑战。
• 在仅获得部分数据的场景下，提高网络分析的准确性和完整性。
• 开发一种不依赖于对不完整网络采样方式先验知识的探测策略。
• 通过选择最具信息量的节点进行探测，最大化新观测到的节点数量。

提出的方法

• 利用局部结构信息，估计不完整网络中已观测但未探索节点的真实度数。
• 估计潜在完整网络的平均聚类系数，以优化邻居数量的预测。
• 结合估计的度数和聚类系数，计算每个节点的预期未观测邻居数量。
• 根据每个节点估计的外部邻居数量，对所有未探测节点进行排序。
• 选择估计外部连接数最高的 $ b $ 个节点进行探测。
• 无需对采样过程或潜在度数分布做任何假设，因此在多种网络类型中均表现出鲁棒性。

实验结果

研究问题

• RQ1 在部分观测网络中，哪些节点最有可能连接到最多的未观测节点？
• RQ2 在不了解采样过程的情况下，如何估计不完整网络中节点的未观测邻居数量？
• RQ3 基于估计度数和聚类系数的探测策略是否能优于随机或高程度节点选择？
• RQ4 与现有方法相比，MaxOutProbe 在不同网络类型和采样方法下的表现如何？
• RQ5 在何种网络条件下，MaxOutProbe 的性能会与高程度探测策略产生差异？

主要发现

• MaxOutProbe 在所有六个数据集和四种采样方法中，始终优于随机探测和高程度探测。
• MaxOutProbe 的曲线下面积（AUC）比高程度探测高出 4% 至 36%，表明其在选择高价值节点方面表现更优。
• 在聚类系数较低的网络中，MaxOutProbe 的性能趋同于高程度探测，表明其能自适应网络结构特性。
• 即使不完整网络由多种不同的采样机制生成，MaxOutProbe 仍能显著提升观测网络规模。
• MaxOutProbe 不需要了解采样过程或度数分布，因此可广泛应用于现实世界中的不完整网络场景。
• 该方法的两步策略——先估计后选择——使得在预算约束下能够实现准确且可扩展的节点优先排序。