[論文レビュー] Clustering of Complex Networks and Community Detection Using Group Search Optimization

Geet Kumar, Vaidyanathan Jayaraman|arXiv (Cornell University)|Jul 4, 2013

Complex Network Analysis Techniques参考文献 5被引用数 7

ひとこと要約

本稿では、群れ探索最適化（GSO）アルゴリズムを、複雑なネットワークのクラスタリングおよびコミュニティ検出に新たな応用する手法を提案している。動物の採餌行動にインspiredされたGSOは、強力な性能を示し、5つのベンチマークデータセットにおいて正確性と収束速度の面で、ネットワークを一貫性のあるグループに効果的に分割する。

ABSTRACT

Group Search Optimizer(GSO) is one of the best algorithms, is very new in the field of Evolutionary Computing. It is very robust and efficient algorithm, which is inspired by animal searching behaviour. The paper describes an application of GSO to clustering of networks. We have tested GSO against five standard benchmark datasets, GSO algorithm is proved very competitive in terms of accuracy and convergence speed.

研究の動機と目的

• 複雑なネットワークにおける意味のあるコミュニティ構造を同定する課題に対処すること。
• 群れ探索最適化（GSO）という新しいメタヒューリスティックのネットワーククラスタリングにおける有効性を調査すること。
• クラスタリングの正確性と収束速度という観点から、GSOの性能を標準ベンチマークデータセットに対して評価すること。
• GSOがコミュニティ検出タスクにおいて、頑健性と効率性を示すことを実証すること。

提案手法

• GSOアルゴリズムは、ネットワークにおけるコミュニティ品質の標準指標であるモジュラリティ関数の最適化に適応された。
• GSO内の各探索エージェントは、ネットワークをコミュニティに分割する可能性のある構成を表す。
• エージェントは、動物の採餌行動を模倣したリーダーシップ、協力、ランダム散乱の行動に基づいて位置を更新する。
• アルゴリズムは、各候補分割のモジュラリティを評価することで、反復的に解を改善する。
• 探索と活用のバランスを保つことで、局所最適解に陥るのを回避する。
• 最終的なコミュニティ構造は、収束後に得られた最良の解から導出される。

実験結果

リサーチクエスチョン

• RQ1 群れ探索最適化（GSO）は、複雑なネットワークにおけるコミュニティ検出を効果的に行えるか？
• RQ2 GSOは、既存の手法と比較して、クラスタリングの正確性においてどのように異なるか？
• RQ3 GSOは、標準的なネットワーククラスタリングベンチマークにおいて、どの程度の収束速度を示すか？
• RQ4 GSOは、多様なネットワークタイプにわたり、高品質なコミュニティ分割を同定するのにどの程度頑健か？

主な発見

• GSOは、5つの標準ベンチマークデータセットにおいて、競争力のあるクラスタリング正確性を達成した。
• アルゴリズムは高速な収束を示し、高い計算効率性を示した。
• GSOは、モジュラリティおよび解の品質という観点で、既存の手法と同等またはそれを上回る性能を示した。
• 結果から、GSOが複雑なネットワークにおけるコミュニティ検出に、頑健かつ効果的なアプローチであることが確認された。