ネットワーク構造のスパースモデリングとリサンプリングによる統計的推測

Publicly Offered Research

Project Area	Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling
Project/Area Number	16H01547
Research Category	Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
Allocation Type	Single-year Grants
Review Section	Complex systems
Research Institution	Kyoto University (2017) Osaka University (2016)
Principal Investigator	下平英寿京都大学, 情報学研究科, 教授 (00290867)
Project Period (FY)	2016-04-01 – 2018-03-31
Project Status	Completed (Fiscal Year 2017)
Budget Amount *help	¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000) Fiscal Year 2017: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000) Fiscal Year 2016: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Keywords	複雑ネットワーク / スケールフリー / 成長ネットワーク / 優先的選択関数 / ノンパラメトリック / ベイズ統計学 / リサンプリング / 仮説検定
Outline of Annual Research Achievements	大規模なネットワークデータが近年容易に入手できるようになり，ネットワークに潜む構造を理解することが応用上も重要になっている．ネットワークは多くの場合スパース性をもち，各ノードが他のノードに接続するリンク数はノード数に比べてとても小さい．このような複雑ネットワークの研究が注目されているが，ネットワークデータを統計解析するツールの研究は不十分である．そこでネットワーク成長モデルの優先的選択関数や適応度などのメカニズムをネットワークデータから推定する方法を開発する．本年度は次の成果が得られた．（１）分析ツールのソフトウエアPAFitの開発ではこれまで優先的的選択関数と適応度の２つの効果を同時にノンパラメトリック推定していた．これに加えてクラスタ性の効果の検討を行った．優先的選択関数とクラスタ性を同時にノンパラメトリック推定する手法を開発，実装して，シミュレーションと実データ解析で検証した．（２）様々な分野のネットワークデータにPAFitを適用して，優先的選択関数と適応度のメカニズムが広く存在することを昨年度より多くの実データで確認した．さらに，優先的選択と適応度の貢献度を定量的に比較する手法を考案した．（３）パラメータ推定の信頼区間を近似計算する手法について，シミュレーションによって有効性を確認した．成果発表はNetSci 2017の口頭発表に加えて，次の口頭発表が採択されている．Inoue, Pham, Shimodaira, Joint Estimation of Clustering and Preferential Attachment: The Dominance of Clustering in Scientific Co-authorship Networks, The International Conference on Complex Systems ICCS2018．また次のプレプリントを発表している．PAFit: An R Package for Modeling and Estimating Preferential Attachment and Node Fitness in Temporal Complex Networks, Pham, Sheridan, Shimodaira, arXiv:1704.06017
Research Progress Status	29年度が最終年度であるため、記入しない。
Strategy for Future Research Activity	29年度が最終年度であるため、記入しない。