[論文レビュー] Clustering Coefficients in Multiplex Networks.

Emanuele Cozzo, Mikko Kivelä+6 more|arXiv (Cornell University)|Jul 25, 2013

Complex Network Analysis Techniques被引用数 24

ひとこと要約

本稿は、複数の相互作用層にまたがる三重項の伝播を考慮に入れた、マルチプレックスネットワークにおけるクラスタリング係数の多層一般化を導入する。社会的ネットワークでは、層間をまたがる三重項の閉じる傾向に著しい冗長性が見られる一方で、交通ネットワークではそのような傾向が弱く、集約されたネットワーク解析ではマルチプレックスシステムに内在する重要な構造的差異が見えなくなることが示された。

ABSTRACT

Recent advances in the study of networked systems have highlighted that our interconnected world is composed of networks that are coupled to each other through different layers that each represent one of many possible subsystems or types of interactions. Nevertheless, it is traditional to aggregate multilayer networks into a single weighted network in order to take advantage of existing tools. This is admittedly convenient, but it is also extremely problematic, as important information can be lost as a result. It is therefore important to develop multilayer generalizations of network concepts. In this paper, we analyze triadic relations and generalize the idea of transitivity to multiplex networks. By focusing on triadic relations, which yield the simplest type of transitivity, we generalize the concept and computation of clustering coefficients to multiplex networks. We show how the layered structure of such networks introduces a new degree of freedom that has a fundamental effect on transitivity. We compute multiplex clustering coefficients for several real multiplex networks and illustrate why one must take great care when generalizing standard network concepts to multiplex networks. We also derive analytical expressions for our clustering coefficients for ensemble averages of networks in a family of random multiplex networks. Our analysis illustrates that social networks have a strong tendency to promote redundancy by closing triads at every layer and that they thereby have a different type of multiplex transitivity from transportation networks, which do not exhibit such a tendency. These insights are invisible if one only studies aggregated networks.

研究の動機と目的

• マルチレイヤー・ネットワークを単一の重み付きネットワークに集約する手法の限界を解消し、重要な構造的情報が隠れてしまうのを防ぐため。
• 複数の層にまたがる三重項関係を組み込むことで、マルチプレックスネットワークにおけるクラスタリング係数の概念を一般化するため。
• マルチプレックスネットワークのレイヤー構造が、伝播およびクラスタリング行動に根本的にどのように影響を与えるかを定量化するため。
• 実世界のマルチプレックスネットワーク（例：社会的・交通システム）の間で伝播パターンを比較し、異なる構造的傾向を明らかにするため。
• ランダムなマルチプレックスネットワーク集合に対してクラスタリング係数の解析的表現を導出することで、ベースライン期待値を確立するため。

提案手法

• 本稿は、標準的な局所的クラスタリング係数を拡張し、1つ以上の層で閉じた三重項を考慮するマルチプレックスクラスタリング係数を定義する。
• 個々の層内の伝播を捉える層特異的クラスタリング係数と、すべての層にわたる集約を表すグローバルなマルチプレックスクラスタリング係数を導入する。
• 層間をまたがる三重項の閉じる確率を計算し、三重項が1つの層、一部の層、またはすべての層で閉じる場合を区別する。
• ランダムネットワーク集合を用いて集合平均の解析的表現を導出し、実データとの比較を可能にする。
• 社会的・交通システムを含む実際のマルチプレックスネットワークにこのアプローチを適用し、クラスタリング行動を比較する。
• このフレームワークにより、個々の層からの寄与と複数層間の相互作用への寄与を分解することが可能になる。

実験結果

リサーチクエスチョン

• RQ1 マルチプレックスネットワークのレイヤー構造は、単一層ネットワークと比較して伝播およびクラスタリングにどのように影響を与えるか？
• RQ2 実世界のマルチプレックスネットワーク（例：社会的・交通システム）では、三重項の閉じる傾向がどの程度、複数の層にわたって冗長的であるか？
• RQ3 ネットワークを集約した場合、マルチプレックスクラスタリング係数は標準的なクラスタリング係数とどのように異なるか？
• RQ4 ランダムネットワーク集合におけるマルチプレックスクラスタリングの解析的表現は、どのように導出可能か？
• RQ5 集約されたネットワーク表現を用いる場合、マルチプレックスネットワークのどの構造的パターンが見えなくなるか？

主な発見

• 社会的ネットワークでは、すべての層で三重項が閉じる傾向が強く、高い冗長性と特異的なマルチプレックス伝播を示している。
• 交通ネットワークでは、層間をまたがる三重項の閉じる冗長性が弱く、根本的に異なる構造的組織を持っていることが示された。
• マルチプレックスクラスタリング係数は、集約されたネットワーク解析では完全に見えないネットワークタイプ間の構造的差異を明らかにした。
• ランダムなマルチプレックスネットワーク集合におけるクラスタリング係数の解析的表現は、実データにおける非ランダムな構造的特徴を検出するためのベースラインを提供する。
• レイヤー構造は、伝播に根本的に影響を与える新たな自由度を導入し、多層専用のネットワーク指標の必要性を示唆している。
• 本研究は、マルチプレックスネットワークを集約することで、伝播およびクラスタリングダイナミクスに関する情報が著しく損なわれる可能性があることを示した。