[論文レビュー] A new nestedness estimator in community networks

Gilberto Corso, Aderaldo I. L. Araujo+1 more|ArXiv.org|Feb 29, 2008

Plant and animal studies参考文献 24被引用数 8

ひとこと要約

本稿では、最適パッケージング後の占有セルを原点（左上隅）からのマンハッタン距離の和に基づき、新たなネスト化推定値 η を提案する。解析的に導かれたランダムおよび最大ネスト化基準を用いて距離を [0,1] スケールに正規化し、幾何的でパラメータフリーかつ直感的な指標を提供する。この指標は視覚的ネスト化と強く相関し、23個の昆虫-植物相互作用ネットワークにおいて、従来の手法に比べて一貫性と解釈可能性に優れる。

ABSTRACT

A recent problem in community ecology lies in defining structures behind matrices of species interactions. The interest in this area is to quantify the nestedness degree of the matrix after its maximal packing. In this work we evaluate nestedness using the sum of all distances of the occupied sites to the vertex of the matrix. We calculate the distance for two artificial matrices with the same size and occupancy: a random matrix and a perfect nested one. Using these two benchmarks we develop a nestedness estimator. The estimator is applied to a set of 23 real networks of insect-plant interactions.

研究の動機と目的

• 従来の手法（例：ネスト化温度計算機）の限界を回避する、幾何学的根拠に基づいた新しいネスト化推定値を開発すること。
• ランダム行列距離と最大ネスト化行列距離という明確で解析的に取り扱える基準を定義すること。
• 行列サイズや占有率に依存しない、[0,1] 範囲に収まる正規化されたネスト化インデックス η を作成し、解釈可能性と比較可能性を向上させること。
• 実世界の昆虫-植物相互作用ネットワークを用いて推定値を検証し、視覚的検査や生態的直観と整合することを示すこと。
• 平易な幾何学的原理に基づき、計算が容易で、コミュニティ生態学およびネットワーク科学分野への広範な応用に適した手法を提供すること。

提案手法

• 二部グラフネットワークの隣接行列を、次数分布に従って行および列をソートすることでパッケージングし、原点（1,1）からの総距離を最小化する。
• L₁およびL₂次元のサイズバイアスを排除するため、行列を単位正方形に射影する。
• 全占有セルの原点（1,1）からのマンハッタン距離の合計 d を、dₓ,ᵧ = |i - 1| + |j - 1| を用いて計算する。
• ランダム基準 d_rand を、占有セル総数 N に設定し、最大分散状態を表す。
• 同じ占有率 ρ における最大ネスト化構成の最小距離 d_min を計算的に算出する。
• 最終的な推定値は η = (d - d_min) / (d_rand - d_min) で定義され、0（完全にネスト化済み）から1（ランダム構造）の値をとる。

実験結果

リサーチクエスチョン

• RQ1 行列のコーナーからの距離に基づく直接的な幾何的アプローチで、ネスト化をどのように測定できるか？
• RQ2 解析的に定義されたランダムおよび最大ネスト化基準を用いて、正規化されたネスト化インデックスを構築できるか？
• RQ3 提案された推定値 η は、実世界のネットワークにおける視覚的および生態的直観的ネスト化と相関するか？
• RQ4 従来の手法と比較して、サイズや占有率が異なるネットワークにおいて、この推定値はどのように性能を発揮するか？
• RQ5 この新しい推定値は恣意的なパラメータを含まず、行列サイズや充填率に対して頑健であるか？

主な発見

• 提案された推定値 η は 0 から 1 の間で定義され、η → 0 は完全なネスト化、η → 1 はランダム構造を示す。
• 距離と占有率の指数関数的モデルとの相関が強く（R = -0.86, p = 2.9×10⁻⁶）、線形回帰より優れた性能を示す。
• 本手法は、視覚的検査と整合するように行列をパッケージングするが、AtmarとPatterson（1993）の手法とは異なり、最適パッケージングに失敗することが少ない。
• 推定値は占有率 ρ に依存し、ρ が増加するにつれてネスト化度が向上する傾向を示し、生態的直観と整合する。
• アルゴリズムは計算的に実行可能であり、単純な幾何学的原則に基づくため、実装および解釈が容易である。
• 本手法は明確で、パラメータフリーかつ正規化された指標を提供し、ネスト化温度計算機が示すサイズおよび充填率依存バイアスを回避する。