[論文レビュー] Centrality Measures in Complex Networks: A Survey

Akrati Saxena, S. R. S. Iyengar|arXiv (Cornell University)|Nov 14, 2020

Complex Network Analysis Techniques参考文献 242被引用数 13

ひとこと要約

本調査は、複雑ネットワークにおける中心性測度について包括的な概要を提供し、局所的（例：次数、準局所的）およびグローバル（例：近接性、媒介性、PageRank、固有ベクトル）に分類する。重み付き、有向、動的ネットワークへの拡張、近似アルゴリズム、top-kノード同定、実世界のネットワーク（例：社会的ネットワーク、生物学的ネットワーク、都市の通り網）における応用ユースケースを検討し、ネットワークの種別と応用文脈に応じて適切な中心性指標を選定するためのガイダンスを提供する。

ABSTRACT

In complex networks, each node has some unique characteristics that define the importance of the node based on the given application-specific context. These characteristics can be identified using various centrality metrics defined in the literature. Some of these centrality measures can be computed using local information of the node, such as degree centrality and semi-local centrality measure. Others use global information of the network like closeness centrality, betweenness centrality, eigenvector centrality, Katz centrality, PageRank, and so on. In this survey, we discuss these centrality measures and the state of the art literature that includes the extension of centrality measures to different types of networks, methods to update centrality values in dynamic networks, methods to identify top-k nodes, approximation algorithms, open research problems related to the domain, and so on. The paper is concluded with a discussion on application specific centrality measures that will help to choose a centrality measure based on the network type and application requirements.

研究の動機と目的

• 計算範囲と応用文脈に基づいて、複雑ネットワークにおける局所的およびグローバル中心性測度を体系的に分類・比較すること。
• 大規模ネットワークにおける高い計算複雑性と、動的ネットワークにおける効率的な更新の必要性を含む、中心性計算における主な研究的課題を特定すること。
• 重み付き、有向、マルチレイヤー、時系列ネットワークなどの多様なネットワークタイプへの古典的中心性測度の拡張を検討すること。
• 全ノードの中心性順位を計算せずに、トップkの影響力を持つノードを同定するための手法を評価し、計算コストを低減すること。
• ネットワーク構造と実世界のユースケース（例：感染症の拡散、情報拡散、インfra構築計画）に応じた、中心性測度の選定に関するアプリケーション固有のガイダンスを提供すること。

提案手法

• 情報範囲に基づいて、中心性測度を局所的（次数、準局所的）およびグローバル（近接性、媒介性、固有ベクトル、PageRank、コアネス）に分類する。
• 重み付き、有向、マルチレイヤー、時系列ネットワークへの中心性指標の拡張を調査し、意味的整合性を保つように定義を適応させる。
• サンプリングや局所的計算を用いて中心性値を推定する近似アルゴリズムをレビューし、大規模ネットワークにおける時間計算量を低減する。
• エッジやノードの変更後に中心性値を段階的に更新する動的ネットワーク更新手法を分析し、再計算から完全に回避する。
• ヒューリスティクスや部分的計算を用いて効率的に最も影響力のあるノードを特定するtop-k同定戦略を検討する。
• 一方向の流れを示すネットワーク（例：性的ネットワーク）に適した、トレールベース中心性など、ハイブリッドおよびアプリケーション固有の中心性測度を提示する。

実験結果

リサーチクエスチョン

• RQ1 局所的およびグローバル中心性測度は、影響力を持つノードを同定する能力においてどのように異なるのか。それぞれのアプローチが適している文脈は何か。
• RQ2 重み付き、有向、マルチレイヤーなどの複雑なネットワークタイプへの古典的中心性測度の拡張において、主な課題は何か。
• RQ3 大規模または動的ネットワークにおいて、全再計算なしに中心性値を効率的に近似または段階的に更新する方法は何か。
• RQ4 全ノードの中心性スコアを計算せずに、トップkの影響力を持つノードを同定するための最も効果的な手法は何か。
• RQ5 実世界のネットワーク応用（例：社会的ネットワーク、生物学的ネットワーク、都市インfra）において、特定の中心性測度が他の測度を上回る状況は何か。その理由は何か。

主な発見

• 近接性と媒介性中心性は、情報が最短経路を介して拡散する場合に最も効果的であるが、一方向の流れや最短経路でない経路（例：性的ネットワーク）ではその関連性を失う。
• PageRankと固有ベクトル中心性は、周囲のノードの重要性を考慮するため、次数中心性よりもグローバルに影響力を持つノードを同定するのに優れている。
• 近似アルゴリズムは、大規模ネットワークにおけるグローバル中心性測度の計算時間を顕著に短縮し、実用的導入を可能にする。
• 動的ネットワークの更新手法により、エッジやノードの変更後も中心性値を効率的に再計算でき、全再計算に比べてオーバーヘッドを低減できる。
• top-k同定手法は、高影響力ノードにのみ注目することで計算コストを削減でき、中心性解析のスケーラビリティを向上させる。
• アプリケーション固有の中心性測度（例：トレールベース、長さスケーリングされた媒介性）は、フェイクニュースの拡散や一方向の情報拡散といった現実の動的プロセスをモデル化するために不可欠である。