[論文レビュー] A New Community Definition For MultiLayer Networks And A Novel Approach For Its Efficient Computation

Abhishek Santra, Kanthi Sannappa Komar+2 more|arXiv (Cornell University)|Apr 20, 2020

Complex Network Analysis Techniques参考文献 36被引用数 4

ひとこと要約

本稿は、異種マルチレイヤーネットワーク（HeMLNs）における構造的・意味的特性を保持する新しいコミュニティ定義を提案し、情報損失なしに複数レイヤーのコミュニティを正確かつ効率的に同定可能にする。二部グラフペアリングとカスタマイズ可能な重み指標に基づく分離型計算フレームワークを用いることで、反復的コストが初期の一回限りのコストの1桁低い水準にまで低下し、多様な分析目的に柔軟に対応可能であることが、IMDbおよびDBLPデータセットで検証された。

ABSTRACT

As the use of MultiLayer Networks (or MLNs) for modeling and analysis is gaining popularity, it is becoming increasingly important to propose a community definition that encompasses the multiple features represented by MLNs and develop algorithms for efficiently computing communities on MLNs. Currently, communities for MLNs, are based on aggregating the networks into single graphs using different techniques (type independent, projection-based, etc.) and applying single graph community detection algorithms, such as Louvain and Infomap on these graphs. This process results in different types of information loss (semantics and structure). To the best of our knowledge, in this paper we propose, for the first time, a definition of community for heterogeneous MLNs (or HeMLNs) which preserves semantics as well as the structure. Additionally, our basic definition can be extended to appropriately match the analysis objectives as needed. In this paper, we present a structure and semantics preserving community definition for HeMLNs that is compatible with and is an extension of the traditional definition for single graphs. We also present a framework for its efficient computation using a newly proposed decoupling approach. First, we define a k-community for connected k layers of a HeMLN. Then we propose a family of algorithms for its computation using the concept of bipartite graph pairings. Further, for a broader analysis, we introduce several pairing algorithms and weight metrics for composing binary HeMLN communities using participating community characteristics. Essentially, this results in an extensible family of community computations. We provide extensive experimental results for showcasing the efficiency and analysis flexibility of the proposed computation using popular IMDb and DBLP data sets.

研究の動機と目的

• 異種マルチレイヤーネットワーク（HeMLNs）において、構造的および意味的特性を両方保持するコミュニティ定義が不足している問題に対処すること。
• コミュニティ検出の前にHeMLNsを単一レイヤーのグラフに集約する従来の手法による情報損失を克服すること。
• 多様な分析目的をサポートできる、効率的で拡張性のあるコミュニティ計算フレームワークを開発すること。
• 複数のネットワークレイヤーにわたるコミュニティのドリルダウン分析と柔軟な合成を可能にすること。
• 実世界のデータセット（IMDbおよびDBLP）を用いて、本手法の効率性と分析的多様性を検証すること。

提案手法

• 構造的および意味的特性を保持するように拡張された、k個の接続されたHeMLNレイヤーに特化したkコミュニティ定義を提案。これは従来の単一グラフコミュニティ定義を拡張するものである。
• コミュニティ検出プロセスを独立したレイヤー単位の計算に分割することで、効率性を向上させる分離型計算モデルを導入。
• 隣接するレイヤー間のコミュニティ間で二部グラフペアリングを実施し、MWRM（最大重み行マッチング）およびMWMT（三部グラフ上での最大重みマッチング）という2つの専用アルゴリズムを用いる。
• 共有特性とレイヤー間の一貫性に基づいてコミュニティを合成するため、カスタマイズ可能な重み指標（ω）とメタエッジ計算（ωₑ）を活用。
• 各レイヤーのコミュニティを一度だけ計算する（一回限りのコスト）、その後に軽量な反復的合成ステップを実行する分割統治戦略を適用。
• 異なる分析目的に適応可能となるように、交換可能なペアリングアルゴリズムと重み指標を備えたモジュラーなフレームワークを採用。

実験結果

リサーチクエスチョン

• RQ1 構造的・意味的整合性を保持する異種マルチレイヤーネットワークにおけるコミュニティ定義を形式的に定義する方法は何か？
• RQ2 レイヤーを単一グラフに集約せずに、複数レイヤーのコミュニティを効率的に検出できる計算フレームワークは何か？
• RQ3 分離型アプローチは、モノリシックコミュニティ検出手法と比較して、実行時間とスケーラビリティの面でどの程度優れているか？
• RQ4 提案手法が、多様なネットワークレイヤーおよびエンティティタイプにわたる柔軟で目的指向の分析をどの程度サポートできるか？
• RQ5 本フレームワークは、実世界のデータセット（IMDbおよびDBLP）において、クロスレイヤー協働を含む意味のある一貫性のあるコミュニティを検出できるか？

主な発見

• 提案されたコミュニティ定義は、従来の単一グラフ定義と互換性があり、異種マルチレイヤーネットワークにおける意味的・構造的特性を保持するように拡張されている。
• 分離型計算モデルにより、反復的コストが最大の一回限りコストの10分の1未満にまで低下した（例：0.27秒 vs. 5.43秒）、これにより高い効率性が裏付けられた。
• IMDbデータセットでは、合計3つの一貫性のあるサイクル的3コミュニティと12件の部分一致が検出され、レオナルド・ディカプリオやダンニィ・ボイルを含むジャンルベースの俳優・監督グループの意味のある構成が明らかになった。
• 本手法は、実際の制作でまだ実現していない可能性のある未探索の協働（例：ディカプリオ・スワンク・メンデス）を効果的に同定した。
• カスタマイズ可能な重み指標（ω）とMWxxアルゴリズム（MWRM、MWMT）の活用により、レイヤー間で柔軟で目的指向のコミュニティ合成が可能になった。
• ドリルダウン分析や複数のレイヤー合成において一貫性のある結果を示したことで、フレームワークの分析的多様性が実証された。また、不一致が顕在化した場合でも、目的に応じた設定の重要性が強調された。