Joint Multiple Imputation of Node Attributes and Network Ties in R
यह शोधपत्र `netimpute` नामक एक R पैकेज प्रस्तुत करता है जो मौजूदा अलग-अलग इमप्यूटेशन (imputation) विधियों की सीमाओं को दूर करने के लिए संरचनात्मक होमोफिली (homophily) मापों, डायडिक रिग्रेशन (dyadic regression), और एक चेन्ड-इक्वेशन्स (chained-equations) ढांचे के भीतर एक अनुक्रमिक गिब्स सैंपलिंग (Gibbs sampling) दृष्टिकोण को एकीकृत करके सामाजिक नेटवर्क में लुप्त नोड गुणों और नेटवर्क संबंधों का संयुक्त रूप से इमप्यूटेशन करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, जटिल पहेली को सुलझाने की कोशिश कर रहे हैं जहाँ हर टुकड़ा एक व्यक्ति है, और वे मिलकर एक सामाजिक नेटवर्क की तस्वीर बनाते हैं। इस दुनिया में, वैज्ञानिक यह अध्ययन करते हैं कि लोग कैसे जुड़ते हैं—जैसे कि कौन किससे दोस्ती करता है, कौन किसे सलाह देता है, और वे लोग कैसे हैं (उनकी उम्र, नौकरी या व्यक्तित्व)। लेकिन यहाँ एक पेच है: वास्तविक दुनिया में, लोग अक्सर पहेली के हिस्सों को भरने में भूल जाते हैं। कभी-कभी कोई व्यक्ति अपनी उम्र के बारे में सवाल का जवाब नहीं देता (एक गायब "विशेषता" या attribute), और कभी-कभी उन्हें याद नहीं रहता कि उनके दोस्त कौन हैं (एक गायब "संबंध" या tie)।
लंबे समय तक, शोधकर्ताओं को इन कमियों को भरने के लिए दो अलग-अलग टूलकिट का उपयोग करना पड़ता था। एक टूलकिट व्यक्तिगत विवरणों का अनुमान लगाने में बहुत अच्छा था, जैसे कि किसी फॉर्म पर खाली छोड़ी गई उम्र को भरना। दूसरा टूलकिट गायब संबंधों का अनुमान लगाने के लिए बनाया गया था, जैसे कि यह पता लगाना कि क्या दो लोग दोस्त हैं। समस्या यह है कि ये दोनों समस्याएं गहराई से आपस में जुड़ी हुई हैं। आप किसी की उम्र का अनुमान बिना यह जाने नहीं लगा सकते कि उसके दोस्त कौन हैं (क्योंकि दोस्तों की उम्र अक्सर समान होती है), और आप यह अनुमान बिना यह जाने नहीं लगा सकते कि दो लोग दोस्त हैं या नहीं कि उनकी उम्र क्या है (क्योंकि लोग अक्सर अपने जैसे लोगों से दोस्ती करते हैं)। एक तरफ की समस्या को ठीक करने की कोशिश करना और दूसरी को अनदेखा करना, केक बनाने के लिए केवल आटे को मापने जैसा है और अंडे भूल जाना; परिणाम संभवतः एक गड़बड़ी होगा। यह शोध पत्र एक नया, चतुर उपकरण पेश करता है जो एक साथ पूरा केक बनाने के लिए डिज़ाइन किया गया है।
यह शोध पत्र netimpute पेश करता है, जो R प्रोग्रामिंग भाषा के लिए एक नया सॉफ़्टवेयर पैकेज है जो सामाजिक नेटवर्क के लिए एक सुपर-स्मार्ट जासूस की तरह काम करता है। गायब व्यक्तिगत विवरणों और गायब दोस्ती को अलग-अलग रहस्यों के रूप में देखने के बजाय, netimpute उन्हें एक एकल, लूपिंग प्रक्रिया में एक साथ हल करता है। इसे "टेलीफोन" के खेल की तरह समझें जहाँ जासूस लगातार अपनी कहानी को अपडेट करता है। पहले, वह शामिल लोगों के बारे में जो जानकारी है, उसके आधार पर एक गायब दोस्ती का अनुमान लगाता है। फिर, वह उस नई दोस्ती का उपयोग एक गायब उम्र का अनुमान लगाने के लिए करता है। फिर, वह उस नई उम्र का उपयोग एक और दोस्ती का अनुमान लगाने के लिए करता है, और इसी तरह। हर कदम के साथ, जासूस अपने अनुमानों को परिष्कृत करता है, जिससे पूरी तस्वीर अधिक स्पष्ट और सुसंगत हो जाती है।
लेखक ने इस उपकरण को सामाजिक डेटा की अव्यवस्थित वास्तविकता को संभालने के लिए बनाया है। वे यह दिखाते हैं कि उनका तरीका कैसे काम करता है, इसके लिए वे दो प्रकार के कनेक्शनों (दोस्ती और सलाह नेटवर्क) और चार प्रकार के व्यक्तिगत डेटा (आयु, लिंग, विभाग और प्रदर्शन) के साथ एक 40-सदस्यीय संगठन का सिमुलेशन चलाते हैं। उन्होंने जानबूझकर कुछ उम्र और कुछ दोस्ती को छिपाकर डेटा को "खराब" किया, और फिर खाली जगहों को भरने के लिए netimpute का उपयोग किया। परिणामों ने दिखाया कि टूल ने सफलतापूर्वक गायब टुकड़ों का पुनर्निर्माण किया, जिससे नेटवर्क की संरचना (जैसे कि कितने लोग अलग-थलग हैं या समूह कितना जुड़ा हुआ है) उसके अनुमानों के चक्र के दौरान स्थिर और यथार्थवादी बनी रही।
जो चीज़ netimpute को विशेष बनाती है वह यह है कि यह गायब डेटा की "मुर्गी और अंडे" वाली समस्या को कैसे संभालता है। यह "जॉइंट मल्टीपल इम्प्यूटेशन" नामक तकनीक का उपयोग करता है, जिसका अर्थ है कि यह केवल एक खाली स्थान को एक अनुमान से नहीं भरता; बल्कि यह अनिश्चितता को ध्यान में रखते हुए गायब डेटा के कई अलग-अलग, संभावित संस्करण बनाता है। यह लोगों और उनके संबंधों के बीच बार-बार घूमकर ऐसा करता है। जब यह एक गायब दोस्ती का अनुमान लगाता है, तो यह सभी के वर्तमान गुणों (attributes) की स्थिति को देखता है। जब यह एक गायब गुण का अनुमान लगाता है, तो यह नेटवर्क की वर्तमान स्थिति को देखता है। महत्वपूर्ण बात यह है कि यह अपने अनुमानों को एक समय में एक संबंध के आधार पर अपडेट करता है, और अगले कदम पर बढ़ने से पहले प्रत्येक नए अनुमान द्वारा नेटवर्क पर पड़ने वाली "लहरों" की जांच करता है। यह सुनिश्चित करता है कि अंतिम तस्वीर में कोई अजीब विरोधाभास न हो, जैसे कि एक व्यक्ति का ऐसे व्यक्ति से दोस्ती होना जो डेटा में मौजूद ही नहीं है।
शोध पत्र यह भी उजागर करता है कि यह उपकरण क्या नहीं करता है, जो उतना ही महत्वपूर्ण है। यह उन जटिल, भारी-भरकम गणितीय मॉडलों को बदलने वाला कोई जादू का डंडा नहीं है जिनका उपयोग नेटवर्क विशेषज्ञ गहरे संरचनात्मक पैटर्न का अध्ययन करने के लिए करते हैं। लेखक स्पष्ट हैं कि हालांकि netimpute तेज़ है और डेटा को साफ करने के लिए बेहतरीन है, लेकिन यह अधिक कठोर और समय लेने वाले तरीकों की तुलना में एक "क्विक एंड डर्टी" (अच्छे अर्थ में) सन्निकटन (approximation) है। यह वर्तमान में "साइन वाले" (signed) नेटवर्क के साथ काम करने से मना करता है—ऐसे नेटवर्क जहाँ संबंध सकारात्मक (दोस्ती) या नकारात्मक (शत्रुता) हो सकते हैं—क्योंकि नकारात्मक संख्याओं के साथ गणित बहुत जटिल हो जाता है। इसके बजाय, यह उन नेटवर्कों को दो अलग-अलग ढेरों (दोस्तों और दुश्मनों) में विभाजित करने और उन्हें अलग से ठीक करने का सुझाव देता है।
अंत में, netimpute टूटे हुए सामाजिक नेटवर्क डेटा को ठीक करने का एक व्यावहारिक, एकीकृत तरीका प्रदान करता है। यह स्वीकार करता है कि वास्तविक दुनिया में, हम कौन हैं और हम किसे जानते हैं, यह अटूट रूप से जुड़ा हुआ है, और यह दोनों को एक ही समय में मरम्मत करने का एक तरीका प्रदान करता है बिना इस जाल में फंसे कि उन्हें अलग-अलग समस्याओं के रूप में देखा जाए। अनुमानों के माध्यम से चक्र बनाकर और लगातार कहानी को अपडेट करके, यह शोधकर्ताओं को सामाजिक दुनिया की अधिक स्पष्ट और सटीक तस्वीर प्राप्त करने में मदद करता है, भले ही डेटा अधूरा क्यों न हो।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।