An evolutionary algorithm approach to link prediction in dynamic social networks

An evolutionary algorithm approach to link prediction in dynamic social networks
Abstract
Many real world, complex phenomena have underlying structures of evolving networks where nodes and links are added and removed over time. A central scientific challenge is the description and explanation of network dynamics, with a key test being the prediction of short and long term changes. For the problem of short-term link prediction, existing methods attempt to determine neighborhood metrics that correlate with the appearance of a link in the next observation period. Recent work has suggested that the incorporation of topological features and node attributes can improve link prediction. We providean approach to predicting future links by applying the Covariance Matrix Adaptation Evolution Strategy(CMA-ES) to optimize weights which are used in a linear combination of sixteen neighborhood and node similarity indices. We examine a large dynamic social network with over 106nodes (Twitter reciprocal reply networks), both as a test of our general method and as a problem of scientific interest in itself. Our method exhibits fast convergence and high levels of precision for the top twenty predicted links. Based on our findings, we suggest possible factors which may be driving the evolution of Twitter reciprocal reply networks

.خلاصه فارسی حاصل از تجزیه و تحلیل مقاله​:

یک الگوریتم تکاملی، برای پیش بینی لینک در شبکه های اجتماعی پویا

چکیده

در موارد بسیاری از جهان واقعی، پدیده ها و ساختارهای اساسی شبکه های پیچیده درحال تحول می باشند که در آن گره ها و لینک ها در طول زمان حذف یا اضافه می شوند. چالش علمی مرکزی شرح و توضیح پویایی این شبکه ها است، که با یک آزمون کلیدی سعی در پیش بینی تغییرات کوتاه مدت و بلند مدت دارد. برای حل این مشکل از پیش بینی لینک کوتاه مدت استفاده می کنیم، روش موجود بیانگر تلاش برای تعیین معیارهای محلی که با ظهور یک لینک در دوره مشاهده بعدی ارتباط دارد. که اختلاط ویژگی های توپولوژیک و ویژگی های گره را می توان برای بهبود پیش بینی لینک پیشنهاد کرد. رویکرد پیش بینی لینک آینده با استفاده از روش کوواریانس  ماتریس سازگاری تکامل یافته (CMA-ES) این است که برای بهینه سازی وزن در یک ترکیب خطی از شانزده شاخص محلی و شباهت گره استفاده می کند. ما به بررسی یک شبکه اجتماعی پویا بزرگ با بیش از 106 گره (شبکه توییتر پاسخ متقابل)که به عنوان یک آزمون از روش کلی و به عنوان یک مشکل مورد علاقه علمی استفاده شده است. روش ما  همگرایی سریع و سطح بالایی از دقت برای بیست لینک پیش بینی کرد. تضاد مبتنی بر یافته های ما، عوامل احتمالی است که ممکن است توسط محرک های شبکه تکامل توییتر (پاسخ متقابل) نشان داده شود.

مقدمه

شبکه های اجتماعی در طول زمان تغییر می کنند که می توان از انها برای مدل سازی گروه های پویای متغیر استفاده کرد. افراد، بیانگر گره ها هستندکه ممکن است داخل و یا خارج از شبکه باشند، در حالی که این فعل و انفعالات، ممکن است باعث تقویت یا تضعیف مدل های رشد بسیاری از شبکه های خاص جهانی شود ولی اما پویایی در آینده مشکل این شبکه ها است. در این مقاله تمرکز اصلی بر روی  مشکل پیش بینی لینک است: با توجه به پیش زمینه از یک شبکه مانند Gt= (V, Et) با گره های V (گره موجود در تمام مراحل زمانی) و Et لینک ها، در زمان t ما به دنبال پیش بینی لینک که در زمان t + 1 رخ می دهد هستیم.روشهای پیش بینی لینک را می توان به طور گسترده به سه گروه دسته بندی کرد: استراتژی مبتنی بر شباهت، الگوریتم حداکثر احتمال، و مدل های احتمالی. همانطور که توسط لو و همکارانش اشاره شد دو روش انتهایی می تواند برای یک شبکه بزرگ بیش از 100000 گره وقت گیر باشد. با توجه به علاقه ما به شبکه های بزرگ و با تعداد گره های زیاد پراکنده ، تمرکز اصلی بر اطلاعات محلی و استفاده از شاخصهای شباهت برای توصیف احتمال تعاملات آینده است. بادر نظر گرفتن دو گروه عمده شاخص های شباهت:  شاخص شباهت توپولوژیکی و شباهت مبتنی بر ویژگی گره.به نظر نمی رسد که شاخصهای شباهت در همه حالات بهترین عملکرد را داشته باشند. بسته به شبکه و تجزیه و تحلیل اقدامات مختلف باید امیدوار به بهترین نتیجه بود.این نشان می دهد که پیش بینی بهترین لینک وابسته به ساختار ذاتی و فردی مرتبط با شبکه و نه از مجموعه کامل از بهترین روشهای پیش بینی است. علاوه بر این پیش بینی بهترین لینک ممکن است به عوامل درونی و برونی شبکه در حال  تکامل نیز بستگی داشته باشد.شاخص شباهت توپولوژیکی از رمزگذاری اطلاعات در مورد همپوشانی نسبی بین گره های همسایه استفاده می کنند. ما انتظار داریم که دو گره با بیشترین شباهت توپولوژیکی  "مشابه" هستند (به عنوان مثال، همپوشانی در دوستان به اشتراک گذاشته خود)، با احتمال زیادتر ممکن است که در آینده آنها با یک لینک به هم وصل شوند  مانند شاخص همسایگان مشترک و بسیاری از دیگر از شاخصهای شباهت توپولوژیک، که برای ارتباط یا وقوع لینک در آینده نشان داده شده است .هدف کلی در اینجا ارائه یک روش پیش بینی لینک که شامل هر دو اطلاعات توپولوژیکی و کاربری خاص باشد و سریع ترین پاسخ با کمترین پارامتر ممکن و عدم پیچیدگی محاسباتی را دارا باشد.در این مقاله، ما با رسم یک مدل خطی برای ترکیب معیارهای شباهت های محلی و داده ه ای خاص گره ها و استفاده از یک الگوریتم تکاملی پیدا کردن ضرایب سعی در بهینه سازی روش پیش بینی لینک داریم. با فرض اینکه که تمام شاخص های شباهت از اهمیت مساوی برخوردار هستند، ما اجازه می دهیم که برای تنظیم وزن ترکیب خطی از از روش کوواریانس ماتریس سازگاری تکامل (CMA-ES). استفاده کنیم.به وضوح ، مدل بهینه ای که ساختار فرضمان را با شاخص های شباهت ترکیب می کند ممکن است خطی نباشد و این یک محدودیت برای کار ما است . ولی می توان گفت ، کار ما چندین برتری نسبت به روش های دیگر پیش بینی لینک دارد و این روش آشکار می کند که یک مدل خطی ساده قابل مقایسه (توسعه پذیر) تولید می شود و دستاورد هایی قابل توجه ( اگر نه بهترتر ) برای توسعه مکانیسم هایی پیش بینی لینک در شبکه های در حال تکامل ارایه می دهد.در بسیاری از روش ها ، تلاش برای پیش بینی لینک مناسب  درهر دو حالت ساختار مدل و پارامترهای ان است. برای از میان برداشتن این چالش ، مجموعه ای از ویژگی های شبکه های بزرگ در نظر گرفته می شود، که محققان از ان برای کاهش پیچیدگی محاسباتی با انجام ازمایش و نمونه برداری استفاده می کنند. رویکرد ما استفاده از روش CMA-ES برای پیش بینی لینک که شامل چند شاخص پیش بینی لینک، صرف نظر از عملکرد فرض اصلی می باشد. مزیت این روش ان است هیچ فرضی از کلاس شبکه و نه دانش قبلی در مورد سیستم و تجزیه و تحلیل قبلی مورد نیاز نیست.اگر چه روش ما برای پیش بینی لینک در شبکه های اجتماعی پویا بزرگ متمرکز است و این روش مستقل از نوع شبکه می باشد و ممکن است به عوامل مختلف مانند بیولوژیکی، زیرساخت های اجتماعی و شبکه های مجازی بستگی داشته باشد. ما از نماد شانزده شاخص شباهت متداول در اینجا استفاده می کنیم و تاکید می کنیم که هر شاخص شباهت دیگری نیز ممکن است برای گسترش مطالعات می تواند استفاده شود. انتخاب معیارهای شباهت تا حد زیادی به داده های موجود (به عنوان مثال، ابرداده برای گره ها و شاخص های توپولوژیک مناسب در دسترس در زمینه شبکه در حال مطالعه) و اندازه شبکه تحت بررسی بستگی دارد. محدودیت دیگر چندین روش نظارت برای پیش بینی لینک است که تفسیر مدل های متفاوت هریک از انها ممکن است اطلاعات کمی یا اشتباهی در مورد عملکرد فرآیندهای تکاملی شبکه در اختیار ما قرار دهد. هدف روش ما ارائه شفافیت و تشخیص بهترین شاخص برای پیش بینی لینک در شبکه های در حال تکامل در اینده است .  در سال های اخیر موجی از علاقه برای مشاهده فعالیت توییتر از طریق تحلیل شبکه اجتماعی به راه افتاده است.. در بسیاری از مطالعات، گره ها نشان دهنده افراد و لینک ها نشان دهنده رفتار انها است (پاسخ متقابل) .برنامه ما برای پیش بینی لینک در توییتر (شبکه پاسخ متقابل)  طراحی شده واین روش برای اولین بار توسط Bliss و همکارانش ارائه شده است. ما تحولات این شبکه را در مقیاس زمانی یک هفته در نظر می گیریم که در آن گره ها نشان دهنده کاربران و لینک ها نشان دهنده شواهد (رفتارها) پاسخ های متقابل در طول مدت زمان تجزیه و تحلیل است. در حالی که بسیاری از مطالعات دیگر نیز بیانگر همین حرف ما یعنی استفاده از پاسخ متقابل به عنوان شواهدی از تعاملات اجتماعی و فعال افراد است. با توجه به اندازه بزرگ از شبکه های که ما به دنبال  مطالعه انها هستیم و این فرضیه که احتمال دوستی (ارتباط) بین دوستانی که از قبل سابقه مشارکت داشته اند بیشتر است نسبت به کسانی که اصلا با هم در ارتباط نبوده اند و از این رو این مطلب باعث ایجاد محدودیت پیش بینی لینک های جدید در زمان t + 1 که بین افراد که در طول یک مسیر  در زمان t عبور می کنند، خواهد شد. بخشهای این مقاله بدین صورت است که: در بخش اول ما داده های مورد استفاده، شانزده شاخص تشابه  و الگوریتم تکاملی مورد استفاده برای تکامل وزن در این شاخص ها را توضیح می دهیم. در بخش دوم توضیح روش در حال مطالعه و در بخش سوم بحث در مورد اهمیت این یافته ها و همچنین جهت آینده برای کار بیشتر در این زمینه صحبت خواهیم کرد.

An evolutionary algorithm approach to link prediction in dynamic social networks Catherine A. Bliss∗, Morgan R. Frank, Christopher M. Danforth, Peter Sheridan Dodds