[論文レビュー] An indicator for community structure

Vladimir Gol’dshtein, Gennady A. Koganov|ArXiv.org|Jul 18, 2006

Complex Network Analysis Techniques被引用数 4

ひとこと要約

本稿では、計算的に高コストなアルゴリズムを実行せずに、ネットワークにコミュニティ構造が潜在的に存在するかどうかを検出するための幾何的動機付けに基づくネットワーク拡大指標 D = L̄ / N^(1/δ) を提案する。この手法は、平均パス長 L̄ と有効次元 δ でスケーリングされたネットワークサイズ N の 1/δ 乗根の比を用い、高い拡大度（D ≈ 2 以上）が、特に密でモジュラーなネットワークにおいてコミュニティ構造の存在を示す。

ABSTRACT

An indicator for presence of community structure in networks is suggested. It allows one to check whether such structures can exist, in principle, in any particular network, without a need to apply computationally cost algorithms. In this way we exclude a large class of networks that do not possess any community structure.

研究の動機と目的

• 複雑な検出アルゴリズムを適用する前段階で、ネットワークがコミュニティ構造を潜在的に持てるかどうかを評価する、簡単で計算コストが低い指標を開発すること。
• 元来コミュニティ構造を持たないネットワークに対して、既存のコミュニティ検出アルゴリズムの非効率性を是正すること。
• コミュニティ構造を持たないネットワークを事前スクリーニングで除外することで、計算リソースを節約するツールを提供すること。
• ネットワークトポロジーと空間的物体の拡大の幾何的類似性を確立し、平均距離と有効次元を主要指標として用いること。

提案手法

• D = L̄ / N^(1/δ) としてネットワークの拡大度 D を定義する。ここで L̄ は平均パス長、N はノード数、δ = k/2 は平均次数 k に基づく有効次元である。
• 幾何学における拡大度（空間的物体の非対称性を測る指標）の概念を借用し、ネットワークに適応することで構造的不均一性を検出する。
• コミュニティネットワークを、各コミュニティを1つのノードに縮約したマクロネットワークとしてモデル化し、コミュニティ内およびコミュニティ間距離を用いて、グローバル平均パス長 L̄_G の推定を行う。
• 同サイズ・同内部距離の対称的コミュニティ仮定の下で、L̄_G の漸近的近似を導出し、大 C および m に対して D_G ≈ (2L̄ + L̄_M) / (Cm)^δ が得られる。
• モデルネットワーク（例：1本のリンクで接続された2つのクリーク）および実際のネットワークにこの指標を適用し、構造的モジュラリティを検出するための拡大度値を比較する。
• D ≥ 2 をコミュニティ構造の可能性のための必要条件（但し十分条件ではない）として採用し、完全グラフコミュニティの理想状態では D ≈ 3 となる。

実験結果

リサーチクエスチョン

• RQ1 複雑なアルゴリズムを実行せずに、ネットワークがコミュニティ構造を有する可能性があるかどうかを判別する、簡単で高速な指標を開発できるか？
• RQ2 空間的物体における幾何的拡大度の概念は、ネットワークトポロジーおよびコミュニティ検出にどのように対応するか？
• RQ3 明確なコミュニティ構造を持つネットワーク（例：2つのクリーク）と持たないネットワーク（例：2分木）における拡大度の漸近的挙動はいかなるものか？
• RQ4 特に密でモジュラーなネットワークにおいて、拡大度がコミュニティ構造の信頼できる予測子としてどの程度有効に機能するか？
• RQ5 コミュニティ構造の事前知識がなく、グローバルなネットワーク特性のみを用いて、拡大度指標を解析的に推定できるか？

主な発見

• ノード数 N/2 の2つの完全グラフが1本のリンクで接続されたネットワークでは、大 N の極限において D ≈ 2 となり、コミュニティ構造の強い兆候を示す。
• コミュニティ構造を持たない2分木ネットワークでは、N が増加するにつれて D ≈ (log₂N)/N → 0 となるため、非モジュラーなネットワークは低拡大度を示す。
• 大規模なコミュニティ（m ≫ 1）と多数のコミュニティ（C ≫ 1）の漸近的極限において、D_G ≈ (2L̄ + L̄_M) / (Cm)^δ が成り立ち、完全グラフコミュニティでは D_G ≥ 3 となる。
• 拡大度指標 D ≥ 2 はコミュニティ構造のための必要条件であり、D < 2 のネットワークは検出可能なコミュニティを有しないとされる。
• この手法は、コミュニティ検出アルゴリズムを必要とせず、高拡大度値の検出によってモデルネットワークおよび実世界のネットワークにおけるコミュニティ構造を的確に同定できる。
• 1本のリンクを超えるコミュニティ間接続が存在しても、この指標は頑健であり、単一リンクモデルを越えて良好な解析的推定が得られる。