[论文解读] Network Structure Inference, A Survey: Motivations, Methods, and Applications

Ivan Brugere, Brian Gallagher+1 more|arXiv (Cornell University)|Oct 3, 2016

Complex Network Analysis Techniques参考文献 183被引用 27

一句话总结

本综述提出了一种严格、以任务为导向的方法，用于从数据中推断网络结构，超越了启发式或领域特定的方法。它通过统计验证、任务特定性能（例如分类、预测）以及在生物学、社交网络和流行病学等多样化领域中的交叉验证来评估网络推断，表明最优的网络表示是那些最能支持下游分析任务的网络，而非仅仅重建隐藏的真实结构。

ABSTRACT

Networks represent relationships between entities in many complex systems, spanning from online social interactions to biological cell development and brain connectivity. In many cases, relationships between entities are unambiguously known: are two users 'friends' in a social network? Do two researchers collaborate on a published paper? Do two road segments in a transportation system intersect? These are directly observable in the system in question. In most cases, relationship between nodes are not directly observable and must be inferred: does one gene regulate the expression of another? Do two animals who physically co-locate have a social bond? Who infected whom in a disease outbreak in a population? Existing approaches for inferring networks from data are found across many application domains and use specialized knowledge to infer and measure the quality of inferred network for a specific task or hypothesis. However, current research lacks a rigorous methodology which employs standard statistical validation on inferred models. In this survey, we examine (1) how network representations are constructed from underlying data, (2) the variety of questions and tasks on these representations over several domains, and (3) validation strategies for measuring the inferred network's capability of answering questions on the system of interest.

研究动机与目标

• 建立一个统一的、统计上严谨的网络推断框架，以超越临时性或领域特定的方法。
• 解决在多样化科学领域中，推断网络缺乏标准化验证实践的问题。
• 评估网络模型时，不以其与真实结构的相似性为标准，而以其在回答特定数据科学问题中的实用性为依据。
• 基于其在下游任务（如分类和预测）中的表现，识别并比较不同网络推断方法。
• 推动从网络重建向网络建模的转变，作为假设检验和数据驱动决策的工具。

提出的方法

• 提出一种以任务为中心的网络推断方法，其中网络构建由特定下游任务（如节点分类和活动预测）的性能所指导。
• 对从数据中获得的相似性矩阵应用全局阈值（例如 τ）以生成网络结构，并根据任务准确率进行调优。
• 在多个任务中使用多种评估指标——如节点属性的分类准确率和未来通信的回归——以验证网络质量。
• 应用统计验证技术，包括显著性检验、敏感性分析和泛化能力检查，以评估模型的稳健性。
• 将在不同领域中使用的特定方法（例如，用于基因网络的图模型，用于脑网络的时间序列分析）整合到一个统一的评估框架中。
• 强调通过交叉验证和在多个任务中的一致性来评估模型，以识别最具信息量的网络表示。

实验结果

研究问题

• RQ1 当真实结构未知或不可访问时，从原始数据中推断网络结构的最有效方法是什么？
• RQ2 如何评估网络推断，不是基于重建准确率，而是基于其在回答特定数据科学问题中的实用性？
• RQ3 不同网络推断方法在多个下游任务（如分类和预测）中的一致性表现如何？
• RQ4 哪些统计验证策略可普遍应用于评估推断网络的质量？
• RQ5 来自不同数据模态（例如时间序列、多变量数据、邻近性）的网络表示，在支持分析任务方面的能力如何比较？

主要发现

• 最优网络推断阈值（例如 τ）在多个任务中保持一致——如节点角色分类和未来通信预测——表明网络结构与任务实用性之间存在对齐。
• 通过任务特定调优推断出的网络在下游分类和预测任务中优于通用或启发式方法，即使在没有真实结构信息的情况下也是如此。
• 相同的最优 τ 阈值在多种任务中（如性别、社区、角色分类）均能实现高准确率，表明数据中存在共享的潜在结构。
• 通过多个独立任务进行验证可提高对推断网络表示质量与泛化能力的信心。
• 并不存在普遍意义上的‘最佳’网络；最有用的网络是能最大化特定分析问题性能的那个。
• 当前方法在评估网络质量方面缺乏标准化，本综述识别出对统计上严谨、以任务为导向的验证框架的迫切需求。