[論文レビュー] A Simple Probabilistic Algorithm for Detecting Community Structure in Social Networks

Wei Ren, Guiying Yan+1 more|ArXiv.org|Oct 18, 2007

Complex Network Analysis Techniques被引用数 3

ひとこと要約

本稿では、社会的ネットワークにおけるコミュニティ構造を検出するための、期待最大化（EM）フレームワークに基づく単純な確率的アルゴリズム、SPAEMを提案する。コミュニティ参加は潜在変数としてモデル化され、最短記述長（MDL）原則を用いて最適なコミュニティ数を決定する。これにより、重複するノードの検出と重み付きネットワークの処理が可能となり、合成および実世界のデータセットにおいて優れた性能を示す。

ABSTRACT

In this paper, we propose a novel semi-parametric probabilistic model which considers interactions between different communities and can provide more information about the network topology besides correctly detecting communities. By using an additional parameter, our model can not only detect community structure but also detect pattern which is a generalization of common sense network community structure. The prior parameter in our model reveals the characteristics of patterns inside the network. Results on some widely known data sets prove the efficiency of our model.

研究の動機と目的

• 重なりのあるノードや不均衡なコミュニティサイズを伴う複雑なネットワークにおけるコミュニティ構造検出の課題に対処すること。
• コミュニティ検出を潜在変数推論問題として扱う確率的フレームワークを構築すること。これは、確率的潜在意味分析にインspiredされたものである。
• 最短記述長（MDL）原則を用いて最適なコミュニティ数を特定する堅牢な手法を提供すること。
• モジュラリティに基づく手法の限界を克服するため、重み付きネットワークおよび重複コミュニティ構造を扱えるようにアルゴリズムを拡張すること。
• 合成ネットワークおよび実世界のネットワークにおいて手法を検証し、重複ノードの検出およびコミュニティ構造の解明において優れた性能を示すこと。

提案手法

• 各エッジが隠れた参加確率に基づいてコミュニティに割り当てられる、潜在変数問題としてコミュニティ構造をモデル化する。
• エッジ存在確率がすべてのコミュニティの和として表される混合モデルを用いる：$ Pr(e_{ij}|\pi,\beta) = \sum_{r=1}^{c} \pi_r \beta_{r,i} \beta_{r,j} $。
• パラメータ $ \pi $（コミュニティサイズの割合）および $ \beta $（ノード-コミュニティ参加強度）を反復的に推定するために、期待最大化（EM）アルゴリズムを適用する。
• 最適なコミュニティ数を同定するために、モデル選択基準として最短記述長（MDL）原則を用いる。
• EM最適化中にエッジ重みを尤度関数に組み込むことで、重み付きネットワークへのモデルの拡張を実現する。
• 各ノードが複数のコミュニティに非ゼロの参加確率を持つことを許容することで、重複ノードを処理する。

実験結果

リサーチクエスチョン

• RQ1 EMおよびMDLに基づく確率的モデルは、重複および重み付きネットワークを含む複雑なネットワークにおけるコミュニティ構造を効果的に検出できるか？
• RQ2 MDLに基づくモデル選択基準は、多様なネットワークトポロジーにおいて真のコミュニティ数を適切に特定できるか？
• RQ3 SPAEMアルゴリズムは、既存の手法に比べて、不均衡または曖昧なネットワーク構造における重複ノードの検出およびコミュニティの解明において優れた性能を示すか？
• RQ4 モデル選択基準は精度パラメータ $ \epsilon $ の選択に敏感であるか？また、異なるネットワーク解像度においても頑健性を保っているか？
• RQ5 解像度パラメータ $ \epsilon $ を調整することで、アルゴリズムは階層的コミュニティ構造を検出できるか？また、RosvallとBergstrom（2007）の情報理論的手法と比較してどうか？

主な発見

• SPAEMは重複ノードを効果的に検出でき、ノード非対称テストにおける出次数（$k_{out}$）が増加するにつれて性能が向上し、構造的ノイズに対して頑健であることが示された。
• 対称的テストケース（$k_{out} = 6$ および $7$）では、SPAEM-MDLが100％のネットワークで真のコミュニティ数を正しく特定した。これは、モジュラリティおよび情報ベースの手法を上回る性能を示している。
• アメリカンフットボールチームネットワークでは、SPAEM-MDLが4つのコミュニティを正しく選択した。これは既知の真値と一致し、実世界データにおける正確性を確認するものである。
• ジャーナル引用ネットワークでは、$\epsilon$ が $1/n$ から $1/6n$ の範囲では常に4つのコミュニティが選択され、$1/7n$ では3つのコミュニティが選択された。これは、well-clusteredなネットワークにおいて、$\epsilon$ に対して安定かつ頑健であることを示している。
• モデル選択基準は $\epsilon$ に敏感であったが、明確に定義されたコミュニティでは頑健であった。$k_{out} = 8$ の場合にのみ、コミュニティ間エッジ密度の増加により性能が低下した。
• SPAEMは、重なりのあるコミュニティの検出において、モジュラリティおよび情報ベースの手法を上回った。特に、非対称およびリンク非対称なネットワーク構造において、他の手法が完全に失敗する状況でも優れた性能を示した。