[論文レビュー] Bridge Bounding: A Local Approach for Efficient Community Discovery in Complex Networks

Symeon Papadopoulos, Andre Skusa+3 more|ArXiv.org|Feb 5, 2009

Complex Network Analysis Techniques参考文献 29被引用数 34

ひとこと要約

ブリッジバウンディングは、特にエッジクラスタリング係数および高次バージョンを用いて、局所的トポロジー関数を用いて複雑ネットワーク内のコミュニティ境界（ブリッジ）を同定するローカルコミュニティ検出手法である。O(ḋ²·m + ḋ·n)の複雑度を達成し、合成ネットワークおよびWeb 2.0のタグネットワークにおいて、グローバル手法のGirvan–Newmanを上回る性能を発揮することで、大規模なWeb 2.0システムにおけるスケーラブルで低レイテンシの分析を可能にする。

ABSTRACT

The increasing importance of Web 2.0 applications during the last years has created significant interest in tools for analyzing and describing collective user activities and emerging phenomena within the Web. Network structures have been widely employed in this context for modeling users, web resources and relations between them. However, the amount of data produced by modern web systems results in networks that are of unprecedented size and complexity, and are thus hard to interpret. To this end, community detection methods attempt to uncover natural groupings of web objects by analyzing the topology of their containing network. There are numerous techniques adopting a global perspective to the community detection problem, i.e. they operate on the complete network structure, thus being computationally expensive and hard to apply in a streaming manner. In order to add a local perspective to the study of the problem, we present Bridge Bounding, a local methodology for community detection, which explores the local network topology around a seed node in order to identify edges that act as boundaries to the local community. The proposed method can be integrated in an efficient global community detection scheme that compares favorably to the state of the art. As a case study, we apply the method to explore the topic structure of the LYCOS iQ collaborative question/answering application by detecting communities in the networks created from the collective tagging activity of users.

研究の動機と目的

• 大規模で複雑なネットワークにおけるグローバルコミュニティ検出手法の計算非効率性に対処すること。
• 応答時間が極めて重要なストリーミングまたは動的環境におけるリアルタイムまたはインタラクティブなコミュニティ検出を可能にすること。
• ネットワーク全体を処理せずにコミュニティ境界（ブリッジ）を正確に同定できるローカルアプローチを開発すること。
• コミュニティ構造が既知の合成ネットワークおよびWeb 2.0アプリケーションからの実際のタグネットワークの両方で、この手法を評価すること。
• 共同タグ付けシステムにおける階層的で意味的に意味のあるコミュニティを検出するためのローカルブリッジ関数の可能性を調査すること。

提案手法

• この手法はシードノードから開始し、接続エッジがブリッジとして同定されない限り、隣接ノードを順次追加することで局所的コミュニティを拡大する。
• ブリッジは、異なるコミュニティを接続するエッジとして定義され、そのブリッジ潜在的を定量化するために局所的ネットワークトポロジー関数が用いられる。
• コア技術として、エッジクラスタリング係数をベースライン指標として採用し、スケールフリー・ネットワークにおける精度向上のための2次および高次バージョンの局所的ブリッジ関数を導入する。
• エッジのブリッジスコアに基づいて、固定しきい値戦略を用いてエッジをコミュニティ内・コミュニティ間のいずれに分類するかを決定する。
• ḋが平均次数であるとすると、複雑度はO(ḋ²·m + ḋ·n)で効率的にスケーリングされ、大規模ネットワークに適している。
• この手法はJUNGフレームワークを用いて実装され、合成ネットワークおよびLYCOS iQ Q&Aプラットフォームからの実際のタグネットワークで評価された。

実験結果

リサーチクエスチョン

• RQ1 グローバル手法（Girvan–Newmanなど）と同等またはそれ以上の正確性を達成しながら、著しく高い効率性を発揮できるローカルコミュニティ検出手法は可能か？
• RQ2 特にエッジクラスタリング係数およびその高次バージョンを含む局所的トポロジー関数は、スケールフリー・ネットワークにおける真のコミュニティ境界を同定するのにどの程度有効か？
• RQ3 ブリッジバウンディングは、実世界の共同タグ付けネットワークにおいて意味的で一貫性のあるコミュニティを効果的に同定できるか？
• RQ4 この手法は、より大きなトピック内のサブコミュニティや分類的グループ化といった階層的構造を同定するのにどの程度有効か？
• RQ5 固定しきい値に比べて、適応的しきい値戦略がコミュニティ検出のロバスト性と正確性を向上させられるか？

主な発見

• 2次局所的ブリッジ関数を用いたブリッジバウンディングは、コミュニティ構造が既知の合成ネットワークにおいて、Girvan–Newman手法と同等またはそれ以上の性能を達成した。
• この手法は、LYCOS iQ Q&Aシステムから得た実際のタグネットワークにおいて、一貫性のあるトピックコミュニティ（例：「music」、「film」、「animals」）を効果的に検出できた。
• 検出されたコミュニティは、「leopards」–「panthers」–「mammals」–「animals」のような意味的階層を示しており、意味的で意味のあるサブ構造が存在することが明らかになった。
• アルゴリズムは高い効率性を示し、O(ḋ²·m + ḋ·n)のスケーリング特性を有しており、大規模およびストリーミング・ネットワーク解析に適している。
• 高次局所的ブリッジ関数の使用は、基本的なエッジクラスタリング係数が失敗するスケールフリー・ネットワークにおいて、性能を顕著に向上させた。
• この手法により、トピックコミュニティおよびその内部構造を露呈させることで、Web 2.0プラットフォームにおけるタグ推薦やコンテンツモデレーションといった実用的応用が可能になった。