Link predictions have received much attention due to the high level of demand regarding the discovery of new relationship in various applications. Conventional researches on link prediction target homogeneous information networks. But various real-world data are modelled as heterogeneous networks that have multi-type nodes and multi-type links. Therefore link prediction on heterogeneous information networks is important issue.
In general, link predictions in heterogeneous information networks are done based on relatedness between a pair of nodes. Therefore good measures which capture the relatedness between a pair of nodes are needed. Also in heterogeneous information networks, there are correlations between link types and path types. So they affect each other.
In this paper, we propose a measure that capture the correlations between link types and path types and reflect those to the path information between a pair of nodes. We also propose a feature vector for link prediction based on supervised learning and show algorithms for link prediction using the feature vector.
주어진 네트워크에 현재 존재하지 않는 링크를 대상으로 링크가 존재하는지 또는 가까운 미래에 존재할 잠재성이 있는지 예측하는 작업인 링크 예측은 다양한 응용이 가능하여 최근 에 많은 관심을 받고 있다. 전반적으로 링크 예측 연구는 그동안 단일 타입의 노드와 단일 타입의 링크로 구성된 동질형 정보 네트워크를 대상으로 이루어졌지만, 실생활에서 접할 수 있는 많은 네트워크가 여러 타입의 노드와 여러 타입의 링크를 포함한 이질형 정보 네트워크로 표현되어 있어 이질형 정보 네트워크에서의 링크 예측의 중요성이 부각되고 있다.
동질형 정보 네트워크에서는 같은 타입의 객체간의 유사성을 바탕으로 링크 예측을 하지만, 이질형 정보 네트워크의 경우 링크를 가진 두 객체가 서로 상이한 타입일 수 있기 때문에 유사성을 바탕으로 판단할 수 없다. 따라서 두 객체가 얼마나 관계가 있는지 관계성을 판단할 수 있는 메저를 필요로 한다. 뿐만 아니라 이질형 정보 네트워크에서는 링크 타입들과 경로 타입들이 서로 상관관계를 갖고 있어 서로 영향을 미치고 있다. 각 경로 타입 별로 특정 링크의 존재 가능성에 영향을 주는 정도가 다르다는 점을 고려하여 링크 예측을 수행해야 한다.
본 논문에서는 링크 타입과 경로 타입간의 상관관계를 정량화하여 임의의 두 노드의 경로 정보의 가중치로 반영한 링크 예측 메저인 를 제안하였다. 또한 타겟 링크 타입의 차수에 대하여 설명한 후, 와 타겟 링크 타입의 차수 두 가지를 특성으로 하여 지도 학습 기반 링크 예측에 사용될 특성 벡터를 제안한다. 또한 제안하는 특성 벡터를 이용하여 지도 학습을 통한 링크 예측 수행 알고리즘을 보였다.
관련 연구와의 링크 예측 성능 비교를 4가지 평가 지표를 통하여 비교하였으며, 이질형 정보 네트워크에서의 링크 예측 성능이 향상됨을 보였다.
