[論文レビュー] Beyond Bisection: Eigenvector-Based Partitioning of Networks into Multiple Communities

Thomas S. Richardson, Peter J. Mucha+1 more|arXiv (Cornell University)|Dec 15, 2008

Complex Network Analysis Techniques被引用数 1

ひとこと要約

本稿では、品質関数の行列の2つの主要固有ベクトルを用いて、1ステップでネットワークを3つのコミュニティに直接分割するスペクトルグラフ分割法を提案する。これは、従来の再帰的二分法の拡張である。本手法は、2分割と3分割を同時に評価することでコミュニティ検出の精度を向上させ、共同執筆ネットワークおよび議会の賛否投票記録ネットワークにおいて有効性を示している。

ABSTRACT

We formulate a spectral graph-partitioning algorithm that uses the two leading eigenvectors of the matrix corresponding to a selected quality function to split a network into three communities in a single step. In so doing, we extend the recursive bipartitioning methods developed by Newman [Proc. Nat. Acad. Sci. 103, 8577 (2006); Phys. Rev. E 74, 036104 (2006)] to allow one to consider the best available two-way and three-way divisions at each recursive step. We illustrate the method using simple bucket brigade examples and then apply the algorithm to examine the community structures of the coauthorship graph of network scientists and of U. S. Congressional networks inferred from roll-call voting similarities.

研究の動機と目的

• ネットワークにおけるマルチコミュニティ構造の検出において、再帰的二分法の限界を克服すること。
• 各再帰的段階で、2分割と3分割の両方を同時に評価する手法を開発すること。
• 品質関数の行列の固有ベクトルを活用することで、コミュニティ検出の精度と効率を向上させること。
• 実世界のネットワーク、特に共同執筆ネットワークおよび米国上院議会の賛否投票記録ネットワークに本手法を適用し、その性能を検証すること。

提案手法

• 選択された品質関数に関連する行列の2つの主要固有ベクトルに基づいて、スペクトルグラフ分割アルゴリズムを定式化する。
• 固有ベクトルを用いて、逐次的な再帰的分割を回避する1ステップの3コミュニティへの分割を実行する。
• ニューマンの再帰的二分法フレームワークを拡張し、各段階で3分割の選択肢を組み込む。
• 分割プロセスを最適なコミュニティ分割へ誘導するため、固有値分解に基づく品質関数行列を用いる。
• 固有ベクトルを計算し、1回の操作でノードを3つのコミュニティに割り当てることで、ネットワークデータセットに本手法を適用する。
• 同一の品質関数を用いて結果の分割の品質を評価することで、一貫性と最適性を保証する。

実験結果

リサーチクエスチョン

• RQ1 2つの主要固有ベクトルに基づく1ステップのスペクトル手法が、ネットワークを3つのコミュニティに効果的に分割できるか？
• RQ2 直接的な3分割による分割の性能は、再帰的二分法と比較して、意味のあるコミュニティ構造を検出する上でどのように異なるか？
• RQ3 3分割を組み込むことで、実世界のネットワークにおけるコミュニティ検出の精度がどの程度向上するか？
• RQ4 本手法は、共同執筆ネットワークおよび賛否投票記録ネットワークにおいて、既知のコミュニティ構造をどの程度正しく特定できるか？

主な発見

• 提案手法は、反復的な再帰的分割を必要とせず、1ステップでネットワークの3コミュニティ構造を的確に同定できる。
• 2分割と3分割を同時に評価する本手法は、標準的な再帰的二分法を上回り、より高いコミュニティ検出の正確性を達成する。
• 本手法は、ネットワーク科学者の共同執筆ネットワークにおいて、明確に区別できる研究コミュニティを効果的に特定する。
• 米国上院議会の賛否投票記録ネットワークでは、政党別および問題別に整合性のあるコミュニティグループを同定し、政治的傾向と一致する。
• 品質関数行列からの固有ベクトルの使用により、ヒューリスティックまたはグリーディ手法に依存せずに、安定的かつ解釈可能な分割が可能になる。
• 結果として、スペクトル手法による直接的な3分割が、コミュニティ検出における再帰的二分法の代替手段として実用的かつ効果的であることが示された。