[論文レビュー] Can one see the shape of a network?

Melanie Weber, Emil Saucan+1 more|arXiv (Cornell University)|Aug 28, 2016

Topological and Geometric Data Analysis参考文献 20被引用数 5

ひとこと要約

本稿では、グラフに基づくネットワークを2次元多面的複体に拡張し、Forman-Ricci曲率と離散ガウス＝ボネの定理を適用することにより、ネットワークの形状を『見ること』のための新規フレームワークを提案する。曲率の流れとオイラー乗数の分析を通じて、ネットワークのグローバルな位相的分類が可能となり、リッチ曲率のみでネットワークの漸近的形状を予測できることを明らかにした。これは、従来のノード次数中心のネットワーク解析とは対照的に、エッジ中心の曲率駆動型の代替手法を提供する。

ABSTRACT

Traditionally, network analysis is based on local properties of vertices, like their degree or clustering, and their statistical behavior across the network in question. This paper develops an approach which is different in two respects. We investigate edge-based properties, and we define global characteristics of networks directly. The latter will provide our affirmative answer to the question raised in the title. More concretely, we start with Forman's notion of the Ricci curvature of a graph, or more generally, a polyhedral complex. This will allow us to pass from a graph as representing a network to a polyhedral complex for instance by filling in triangles into connected triples of edges and to investigate the resulting effect on the curvature. This is insightful for two reasons: First, we can define a curvature flow in order to asymptotically simplify a network and reduce it to its essentials. Second, using a construction of Bloch, which yields a discrete Gauss-Bonnet theorem, we have the Euler characteristic of a network as a global characteristic. These two aspects beautifully merge in the sense that the asymptotic properties of the curvature flow are indicated by that Euler characteristic.

研究の動機と目的

• ネットワークのグローバルな位相的形状が、その幾何的性質から推定可能かどうかという根本的問いに応えること。
• 連結な三重項に対して2次元面（三角形）を埋め込み、完全部分グラフ（Kp）に対しては高次元単体を埋め込むことで、古典的なグラフネットワークを2次元多面的複体に拡張すること。
• Forman-Ricci曲率を用いたネットワーク理論的定式化を通じて、オイラー乗数を曲率から導出するガウス＝ボネの定理のネットワーク版を構築し、グローバルな位相的不変量としてのオイラー乗数を定義すること。
• 漸近的幾何的挙動に基づいてネットワーク形状を分類する、プロトタイプネットワークと曲率の流れを導入すること。
• 従来のネットワーク解析ツールに見られるノード次数バイアスを克服し、頂点中心からエッジ中心の幾何的特性へと焦点を移すこと。

提案手法

• 連結な三重項に対して2次元面（三角形）を、完全部分グラフ（Kp）に対しては高次元単体を埋め込むことで、1次元グラフを2次元多面的複体に拡張する。
• これらの複体におけるエッジにForman-Ricci曲率を適用し、高次元面がエッジの曲率に与える影響を組み込む式を用いる。
• Blochの離散ガウス＝ボネの定理を活用し、曲率から導出されるグローバルな位相的不変量としてのネットワークのオイラー乗数を定義する。
• 漸近的にネットワークを単純化するリッチ曲率の流れプロセスを導入し、その背後にある位相的骨格を明らかにする。
• 曲率分布と流れの挙動を用いてネットワーク形状を分類し、古典的リッチ曲率流れにおけるモデル幾何と類似する。
• 分散（1エッジあたりの三角形数）などのエッジ中心の測度を用い、Ollivier や Stone のリッチ曲率概念と結びつける。

実験結果

リサーチクエスチョン

• RQ1 局所的なノード統計とは対照的に、ネットワークの幾何的曲率特性からそのグローバルな位相的形状を推定できるか？
• RQ2 高次元面（例：三角形、単体）は、ネットワーク内のエッジのリッチ曲率にどのように影響を与えるか？
• RQ3 ネットワークに対して離散ガウス＝ボネの定理を定式化し、曲率からオイラー乗数を計算できるか？
• RQ4 ネットワーク上のリッチ曲率の流れは、その内在的位相を反映するプロトタイプ形状に収束するか？
• RQ5 エッジ中心の曲率測度は、従来のネットワーク解析ツールに広く見られるノード次数バイアスをどの程度克服できるか？

主な発見

• Forman-Ricci曲率の和からネットワークのオイラー乗数を計算でき、離散ガウス＝ボネの定理を通じて、曲率とグローバル位相の直接的な関連を確立した。
• 三角形や単体などの高次元面の導入は、エッジ曲率を体系的に低下させ、局所的な結合性と結束性の向上を反映している。
• リッチ曲率の流れは漸近的にネットワークを単純化し、その背後にある位相的骨格を明らかにし、曲率の進化に基づいてプロトタイプ形状に分類可能である。
• エッジ上のForman-Ricci曲率の分布は、動的変化を遂げるネットワークの長期的挙動と極限形状を予測するための有効なツールである。
• ノード次数バイアスを克服するため、エッジ中心の幾何的流れに焦点を当てた本手法は、頂点中心のネットワーク解析とは対照的に、より強固な代替手法を提供する。
• 曲率に基づくアプローチにより、古典的微分幾何学における球面や双曲的表面などのモデル幾何と類似するネットワークプロトタイプの同定が可能になった。