文献笔记|符号网络|OBOE|Look Before You Leap: Confirming Edge Signs in Random Walk with Restart for PNR in SN

Look Before You Leap: Confirming Edge Signs in Random Walk with Restart for Personalized Node Ranking in Signed Networks

题目：《三思后行：在重启随机游走种确认边符号，用户符号网络中的个性化节点排名》

作者：Wonchang Lee, Yeon-Chang Lee, Dongwon Lee, Sang-Wook Kim

来源：SIGIR‘21

代码：http://github.com/wonchang24/OBOE

关键词：personalized node ranking; signed networks; balance theory

研究对象

在本文中，我们解决了有符号网络的个性化节点排序问题（PNR），该问题的目标是在有符号网络中按 照与给定种子节点最相关的顺序，对节点进行排序。考虑以下两个因素：

• 网络的结构
• 种子节点的连通性

相关工作

传统方法

最近的工作

最近提出的PNR方法引入了有符号随机游走者的概念，简称为SRSurfer，利用平衡理论在节点之间进行 分数传播。在有符号网络的实际设置中，边的关系往往没有严格遵循平衡理论的规则。因此，基于 SRSurfer的PNR方法经常会对节点进行错误的评分传播，从而降低了PNR的准确性。

作者的方法

作者提出了一种新的基于随机游走的符号验证PNR方法，命名为OBOE。简单来说，OBOE利用节点的拓扑特征，仔细验证SRSurfer的分数传播。然后，OBOE利用给定网络的统计数据对所有不正确的分数传播案例进行修正。

方法的细节

• ${\mathbf{r}}_y^{+}$ 和 ${\mathbf{r}}_y^{-}$ 分别表示 ${\mathbf{n}}_x$ 和 ${\mathbf{n}}_y$ 之间的边关系为正号和负号的可能性（用OBOE测量）
• 如果 x = y，则 ${\mathbf{r}}_y^{+}$ 和 ${\mathbf{r}}_y^{-}$ 的初始值设为1和0。否则的话，${\mathbf{r}}_y^{+}$ 和 ${\mathbf{r}}_y^{-}$ 的初始值都设为0。

图a:

• 通过OBOE的分数传播策略，${\mathbf{n}}_y$ 已经收到了之前访问过的节点 ${\mathbf{n}}_j$ 的分数；
• 图中 ${\mathbf{n}}_y$ 与 ${\mathbf{n}}_z$ 之间的正边关系是给定的；
• 游走者将按照某一概率游走到 ${\mathbf{n}}_z$ ，此时会按照OBOE的策略，将 ${\mathbf{r}}_y^{+}$ 和 ${\mathbf{r}}_y^{-}$ 传播给 ${\mathbf{n}}_z$ 。

图b：

• （朋友的朋友是朋友）如果 ${\mathbf{n}}_y$ 与 ${\mathbf{n}}_z$ 之间的边号是正的，OBOE会按照平衡理论的方式将 ${\mathbf{r}}_y^{+}$ 传播到 ${\mathbf{r}}_z^{+}$ ；
• （朋友的敌人是敌人）如果 ${\mathbf{n}}_y$ 与 ${\mathbf{n}}_z$ 之间的边号是负的，OBOE会按照平衡理论的方式将 ${\mathbf{r}}_y^{-}$ 传播到 ${\mathbf{r}}_z^{-}$ ；
• 同理，按照平衡理论：敌人的朋友是敌人，敌人的敌人是朋友。
• 图b想表达的意思是平衡理论是有可能出错的，真正的关系应该是怎样呢？

图c：

• 为了验证平衡理论是否出错，OBOE会按照图本身的拓扑结构对 ${\mathbf{n}}_x$ 与 ${\mathbf{n}}_z$ 的关系进行预测；

图d：

• 如果验证平衡理论正确，则按照平衡理论将分数进行传播；
• 如果验证平衡理论不正确，OBOE会按照某一比值将 ${\mathbf{r}}_y^{+}$ 传播到 ${\mathbf{r}}_z^{+}$ 和 ${\mathbf{r}}_z^{-}$ ；同理，${\mathbf{r}}_y^{-}$ 也会被传播到 ${\mathbf{r}}_z^{+}$ 和 ${\mathbf{r}}_z^{-}$ 。

关联规则：给定一个交易数据库D，其中每个事务t是I的非空子集，即，每一个交易都与一个唯一 的标识符TID(Transaction ID)对应。关联规则在D中的支持度(support)是D中事务同时包含X、Y的 百分比，即概率；置信度(confidence)是D中事务已经包含X的情况下，包含Y的百分比，即条件概率。如果满足最小支持度阈值和最小置信度阈值，则认为关联规则是有趣的。这些阈值是根据挖掘需要人为设定。

迭代算法

收敛性证明