ランダムウォークサンプリングに基づくソーシャルグラフ構造の高精度な解析手法の確立

基于随机游走采样的高精度社交图结构分析方法的建立

基本信息

批准号：
21J10415
负责人：
中嶋一貴
金额：
$ 0.96万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-28 至 2023-03-31
项目状态：
已结题

项目摘要

本研究の目的は，ランダム・ウォーク・サンプリングに基づくソーシャル・ネットワークの詳細かつ正確な解析手法を開発し，世界規模の人間同士の繋がりから成る社会構造のより深い理解を可能にすることである．令和4年度には，主に以下の2つの成果を挙げた．第一に，ランダム・ウォークを用いてごく一部のグラフデータをサンプリングし，そのサンプルから元のソーシャル・ネットワークを復元する手法を国際会議 ICDE 2022にて発表した．国際会議 ICDE 2022はソーシャル・ネットワーク解析を扱う分野トップの査読有り国際会議である．本研究で開発した解析手法は，Python 言語およびC++言語で利用可能なライブラリとして公開されている．第二に，ランダム・ウォークを用いてごく一部のグラフデータをサンプリングし，そのサンプルからネットワーク特徴量を推定する手法を提案した．提案手法は，ランダム・ウォークの実行を妨げる友人非公開ユーザ（例：Twitterの鍵アカウント）がネットワークにランダムに分布する場合に，代表的なネットワーク特徴量であるノード数と平均次数，次数分布，ラベル密度を5%未満の少量のサンプルで高精度に推定することを可能にした．本研究成果は，2020年の国際会議 KDD 2020で発表した研究成果を拡張したものであり，査読有り論文誌 ACM Transactions on Knowledge Discovery from Data に採録された．

这项研究的目的是根据随机步行采样开发社交网络的详细和准确的分析方法，从而更深入地了解由全球人类联系组成的社会结构。在2022财政年度，我们取得了两项主要成就：首先，一种使用随机步行来对图数据进行抽样数据的方法，并在国际会议ICDE 2022上介绍了该样本的原始社交网络。国际会议ICDE 2022是一项同行评审的国际会议，与社交网络分析进行了处理。本研究中开发的分析方法被发表为可以在Python和C ++语言中使用的库。其次，我们提出了一种使用随机步行并估算该样本的网络特征量的图形数据的少数方法的方法。所提出的方法允许对节点数量，平均顺序，度分布和标签密度的高度准确估计，这些节点是典型的网络特征，使用小于5％的小样本（例如，私人朋友（例如，Twitter上的密钥帐户）防止随机行走执行，将随机执行在整个网络中随机分布。这项研究发现是在2020年国际会议（KDD 2020）上提出的研究结果的延伸，并在同行评审的ACM杂志ACM交易中收集了有关知识发现的ACM交易。