[論文レビュー] An upper bound on community size in scalable community detection

Gautier Krings, Vincent D. Blondel|arXiv (Cornell University)|Mar 29, 2011

Complex Network Analysis Techniques参考文献 3被引用数 6

ひとこと要約

この論文は、解像度パrameter化されたモジュラリティ関数 $ Q_{u} $ を最適化する際のコミュニティサイズに対する明示的な上限を確立し、$ \gamma > 1 $ の場合、特定のしきい値を超えるコミュニティは、目的関数が分割を好むため、安定でないことを示している。主な結果は、大規模で密に接続されたコミュニティが、人工的により小さな構成要素に分割される可能性があることであり、調整可能な解像度パrameterを用いたスケーラブルなコミュニティ検出における重要な制限を明らかにしている。

ABSTRACT

It is well-known that community detection methods based on modularity optimization often fails to discover small communities. Several objective functions used for community detection therefore involve a resolution parameter that allows the detection of communities at different scales. We provide an explicit upper bound on the community size of communities resulting from the optimization of several of these functions. We also show with a simple example that the use of the resolution parameter may artificially force the complete disaggregation of large and densely connected communities.

研究の動機と目的

• モジュラリティ最適化によるコミュニティ検出における解像度パrameter $ \gamma $ が引き起こす構造的制限を特定すること。
• $ \gamma > 1 $ が検出可能なコミュニティサイズに非自明な上限を課すことを示すこと。
• 解像度パrameterが大規模で密に接続されたコミュニティを人工的に分解する仕組みを説明すること。
• マルチスケールコミュニティ検出におけるトレードオフを理解するための理論的基盤を提供すること。

提案手法

• 2つのコミュニティを統合した際の目的関数の変化 $ \Delta Q $ を導出する。式は $ \Delta Q = \frac{1}{L}\left(e - \gamma\frac{d_1d_2}{2L}\right) $ を用いる。
• $ \Delta Q < 0 $ となる条件を分析し、これは個々のコミュニティが目的関数値をより高めるための条件であることを示す。
• コミュニティの安定性のしきい値として $ d_2/(2L) > 1/\gamma $ の不等式を確立し、コミュニティサイズに対する上限を導出する。
• 理論的境界を用いる：サイズ $ n $ のコミュニティは、ネットワーク全体の合計次数の $ n/((n-1)\gamma) $ を超えることはできない。
• 16ノードのクリークと4つの4ノードクリークを含む合成ネットワーク例を用いて、$ \gamma $ の増加がコミュニティの分割に与える影響を示す。
• $ \gamma $ の値（1, 1.5, 2）を変化させた場合のコミュニティ分割を比較し、大規模クリークの進行的分解を示す。

実験結果

リサーチクエスチョン

• RQ1 解像度パrameter $ \gamma $ は、$ Q_{\gamma} $ 最適化による検出可能なコミュニティサイズに、どのような上限を課すか？
• RQ2 目的関数が大規模で密なコミュニティをより小さなコミュニティに分割することを好む条件は何か？
• RQ3 解像度パrameterを増加させると、ネットワーク分割における大規模で高密度のコミュニティの安定性にどのような影響を与えるか？
• RQ4 解像度パrameterは、コミュニティ検出において、どの程度人工的な分割を引き起こすか？

主な発見

• $ \gamma > 1 $ の場合、ネットワーク全体の合計次数の $ \gamma^{-1} $ を超える次数を持つコミュニティは、不安定で分割されやすい。
• 安定なコミュニティの最大サイズは、その次数の合計が $ \frac{n}{(n-1)\gamma} $ を下回る必要があるという条件によって制限される。ここで $ n $ はコミュニティ内のノード数を表す。
• $ \gamma = 1.5 $ の場合、例示ネットワーク内の16ノードのクリークは16個の単一ノードコミュニティに分裂し、強い人工的分割が生じている。
• $ \gamma = 2 $ の場合、4つの4ノードクリークが最終的に分離され、より高い $ \gamma $ 値が小さなコミュニティを解像できるが、大規模なコミュニティを分裂させる代償を伴うことが示された。
• 解像度パrameter $ \gamma $ は根本的なトレードオフをもたらす：高い値は小さなコミュニティの解像度を向上させるが、大規模で密なコミュニティを破壊するリスクを伴う。