[論文レビュー] A Clustering Coefficient to Identify Important Nodes in Bipartite Networks.

Jessica Liebig, Asha Rao|arXiv (Cornell University)|Jun 23, 2014

Complex Network Analysis Techniques参考文献 30被引用数 2

ひとこと要約

本稿では、二部ネットワークにおける構造的タイプのクラスタを区別できる新しいクラスタリング係数を提案し、影響力のあるノードのより正確な同定を可能にする。グローバルおよびローカルのクラスタリングスコアを組み合わせることで、各ノードに構造的中心性に類似した測度を割り当て、ネットワーク構造の形成におけるノードの役割を明らかにし、二部ネットワークの構造的組織に関する新たな知見を提供する。

ABSTRACT

Bipartite networks have gained an increasing amount of attention over the past few years. Network measures in particular, have been the focus of this research as many of them cannot be directly applied to bipartite networks. The clustering coefficient is one measure that has been redefined recently to suit the analysis of bipartite networks. Building up on this definition, we propose a clustering coefficient that distinguishes between differently structured bipartite clusters. We use this measure to identify influential nodes in a given bipartite network. By comparing the global and local clustering coefficients, we assign a score to each node that indicates the extent to which it drives the clustering behaviour of the whole network. We demonstrate that our clustering coefficient is not only able to identify influential nodes, but gives new insights into a network’s structure. 1

研究の動機と目的

• 標準のクラスタリング係数が二部ネットワークの分析に限界を示す問題に対処する。これは、二部構造のため直接適用できないためである。
• 均一なクラスタ定義を超えて、二部クラスタ内の構造的多様性を捉えるクラスタリング係数を開発する。
• ネットワーク全体のクラスタリング行動への寄与を定量化することで、影響力のあるノードを同定する。
• ノードレベルの指標とグローバルなクラスタリングパターンを結びつけることで、ネットワーク構造に対するより洗練された理解を提供する。

提案手法

• ネットワークの二様構造を考慮するために、標準のクラスタリング係数を再定義することで、二部ネットワークに適応する。
• スターダム型やチェーン型の構造的配置に基づいて、異なるタイプの二部クラスタを区別する。
• ノードの局所的近傍とクラスタタイプに基づいて、各ノードの局所的クラスタリング係数を計算する。
• 全ネットワークにわたる全体のクラスタリング行動を要約するグローバルクラスタリング係数を計算する。
• 局所的およびグローバルクラスタリングスコアを統合し、各ノードのクラスタリングダイナミクスへの影響を評価する複合スコアを生成する。
• 得られたスコアを用いて、ネットワーク内のクラスタリングを駆動または維持するノードをランク付け・同定する。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてクラスタリング係数を再定義することで、二部ネットワーク内の構造的多様性を反映させられるか？
• RQ2 個々のノードは、二部ネットワーク全体のクラスタリング行動にどの程度影響を与えるか？
• RQ3 局所的およびグローバルクラスタリング測度を統合することで、二部ネットワークにおける影響力のあるノードを効果的に同定できるか？
• RQ4 ノード固有のクラスタリング寄与度を分析することで、ネットワーク構造に関するどのような知見が得られるか？

主な発見

• 提案されたクラスタリング係数は、二部ネットワーク内のさまざまな構造的タイプのクラスタを効果的に区別できることが確認された。
• 複合クラスタリングスコアが高いため、クラスタリング行動の主要因とされるノードが同定され、その構造的重要性が示された。
• 標準のクラスタリング測度では検出できない、ネットワーク内の隠れた構造的パターンが同定された。
• 局所的およびグローバルクラスタリングスコアの組み合わせは、単独で用いるよりもより正確かつ情報豊富なノード影響力の測定を提供する。
• 本手法は、二部システムにおけるノードの機能的およびトポロジカルな役割に関する、新たな解釈的知見を提供する。