[论文解读] Stability of similarity measurements for bipartite networks

Jian-Guo Liu, Lei Hou+3 more|arXiv (Cornell University)|Nov 30, 2015

Complex Network Analysis Techniques参考文献 35被引用 3

一句话总结

本文研究了15种相似性度量在二分图网络中的稳定性，提出了一套框架，根据其在随机数据划分下的稳定性对这些度量进行分类。研究发现，这些相似性度量可聚类为三组，每组具有不同的数学结构，并表明仅使用稳定度量可显著提升推荐系统的可靠性，通过过滤掉虚假信息。

ABSTRACT

Similarity is a fundamental measure in network analyses and machine learning algorithms, with wide applications ranging from personalized recommendation to socio-economic dynamics. We argue that an effective similarity measurement should guarantee the stability even under some information loss. With six bipartite networks, we investigate the stabilities of fifteen similarity measurements by comparing the similarity matrixes of two data samples which are randomly divided from original data sets. Results show that, the fifteen measurements can be well classified into three clusters according to their stabilities, and measurements in the same cluster have similar mathematical definitions. In addition, we develop a top-$n$-stability method for personalized recommendation, and find that the unstable similarities would recommend false information to users, and the performance of recommendation would be largely improved by using stable similarity measurements. This work provides a novel dimension to analyze and evaluate similarity measurements, which can further find applications in link prediction, personalized recommendation, clustering algorithms, community detection and so on.

研究动机与目标

• 评估在用户-对象二分图网络中广泛使用的15种相似性度量的稳定性。
• 确定在对象属性本质上不可变的前提下，相似性度量是否能在不同数据样本中产生一致结果。
• 基于其稳定性行为对相似性度量进行分类，并识别其潜在的数学模式。
• 研究相似性稳定性如何影响真实世界系统中的推荐性能。
• 提出一种top-\(n\)-stability方法，通过过滤掉不可靠的相似性，提升推荐稳定性。

提出的方法

• 作者将六个真实世界的二分图网络各自划分为两个随机子样本，以计算相似性矩阵，然后使用基于相关性的稳定性度量比较所得矩阵。
• 通过计算从两个独立数据样本中得出的相似性矩阵之间的皮尔逊相关系数来量化稳定性。
• 基于稳定性评分，使用层次聚类将相似性度量按其稳定性特征分组。
• top-\(n\)-stability方法仅选择最稳定的相似性（例如，最稳定的前\(n\)对对象）用于下游推荐任务。
• 通过标准指标（如精确率、召回率）在完整相似性输入和仅稳定相似性输入上评估推荐性能。
• 核心相似性公式包括余弦相似性（COS）、皮尔逊相关系数（PC）、共同邻居（CN）以及各种归一化变体，如Jaccard（JAC）、Salton（SAL）和资源分配（RA）。

实验结果

研究问题

• RQ1 当在相同二分图网络的不同随机子样本上计算时，15种常见相似性度量的稳定性如何？
• RQ2 能否基于其稳定性行为对相似性度量进行系统性分类？
• RQ3 在相似性度量中观察到的稳定性模式背后，其数学或结构特性是什么？
• RQ4 仅使用稳定相似性在多大程度上能提升推荐系统的可靠性？
• RQ5 top-\(n\)-stability过滤方法能否通过去除不稳定且可能具有误导性的相似性，有效提升推荐稳定性？

主要发现

• 15种相似性度量根据其稳定性特征被良好聚类为三组，每组具有相似的数学公式。
• 基于相同底层原理的相似性度量——例如，通过最小值或最大值流行度进行归一化的度量——往往表现出相似的稳定性行为。
• top-\(n\)-stability方法通过从相似性矩阵中过滤掉不稳定、虚假的信息，显著提升了推荐系统的稳定性。
• 发现不稳定相似性是推荐中噪声和错误的主要来源，其移除可带来更可靠、更一致的预测结果。
• 本研究证明，相似性稳定性是链接预测和推荐系统中一个关键但常被忽视的因素，尤其在稀疏和动态网络中。
• 相似性度量的稳定性不仅由其公式决定，还受底层网络结构和数据采样变异性的影响。