ネットワークの構造解析に基づく有望ノードの同定

• Item type: SIG Technical Reports(1)
• 公開日: 2011-02-28
• タイトル: ネットワークの構造解析に基づく有望ノードの同定
• タイトル / 言語: en
• タイトル: Promising Entities Discovery Based on Network Analysis
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 神戸大学大学院工学研究科
• 著者所属: 神戸大学自然科学系先端融合研究環
• 著者所属: 神戸大学大学院システム情報学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Kobe University
• 著者所属(英): en
• 著者所属(英): Organization of Advanced Science and Technology, Kobe University
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems Informatics, Kobe University
• 著者名: 宮西, 大樹; 関, 和広; 上原, 邦昭
• 著者名(英): Taiki, Miyanishi; Kazuhiro, Seki; Kuniaki, Uehara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，リンク予測の問題を解くことで，ノードの順位予測を行うモデルを提案し，共著ネットワークから，将来的に重要または影響力を持つ著者 （有望エンティティ） を同定する．従来では，ある時点における著者をノード，著者同士の共著関係をエッジとした共著ネットワークから，構造的な特徴を基に重要度や影響力の大きな著者の同定を行ってきた．しかし，著者同士の関係は年を追うごとに変化しており，著者の最新の重要度や影響力を把握するためには，現時点における著者間の関係を見るだけでは不十分である．そこで，本論文では，時間とともに変化するネットワークデータを対象として，ネットワークの構造によって決定された各ノードの将来的な重要度・影響力 （ネットワークの中心性） をリンク予測と RankBoost を用いることでノードの順位を予測する手法を提案する．この手法を共著ネットワークに適用することで，将来の主要な著者を予測する．arXiv（hep-th） データセットから抽出した共著ネットワークを用いた実験により，リンク予測をノードの順位予測に適用させることで AUC の高いリンク予測行うことができ，将来的なノードの順位をより正しく予測できた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper proposes a framework to predict future significance or importance of nodes of a network through link prediction. The network can be any kind, such as a co-authorship network where nodes are authors and co-authors are linked by edges. In this example, prediciting significant nodes may mean to discover influential authors in the future. There are existing approaches to predicting such significant nodes in a future network and they typically rely on existing relationships between nodes. However, since such relationships are dynamic and would naturally change over time (e.g., new co-authorship continues to emerge), approaches based only on the current status of the network would have limited potentiality to predict the future. In contrast, our proposed approach first predicts future links between nodes by multiple supervised classifiers and applies the RankBoost algorithm for combining the predicitions such that the links would lead to more precise predictions of a centrality (significance) measure of our choice. To demonstrate the effectiveness of our proposed approach, a series of experiments are carried out on the arXiv (HEP-Th) citation data set.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2011-MPS-82, 号 3, p. 1-8, 発行日 2011-02-28
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会