[論文レビュー] Clustering online social network communities using genetic algorithms

Mustafa Hajeer, Alka Singh+2 more|arXiv (Cornell University)|Dec 8, 2013

Complex Network Analysis Techniques参考文献 8被引用数 6

ひとこと要約

本論文は、オンラインソーシャルネットワーク（OSN）コミュニティを、議論を開始する最も活発なノード（吸引ノード、NoA）を特定することで、遺伝的アルゴリズム（GA）に基づくアプローチを提案する。この手法は、コメントやメッセージなどの相互作用をトピックベースのクラスタに効果的にグループ化し、実世界のOSNデータにおいて、コミュニティの起源や通信拡散パターンの検出が向上することを示している。

ABSTRACT

To analyze the activities in an Online Social network (OSN), we introduce the concept of "Node of Attraction" (NoA) which represents the most active node in a network community. This NoA is identified as the origin/initiator of a post/communication which attracted other nodes and formed a cluster at any point in time. In this research, a genetic algorithm (GA) is used as a data mining method where the main objective is to determine clusters of network communities in a given OSN dataset. This approach is efficient in handling different type of discussion topics in our studied OSN - comments, emails, chat expressions, etc. and can form clusters according to one or more topics. We believe that this work can be useful in finding the source for spread of this GA-based clustering of online interactions and reports some results of experiments with real-world data and demonstrates the performance of proposed approach.

研究の動機と目的

• コメント、メール、チャットメッセージなど、多様な相互作用タイプを有するオンラインソーシャルネットワーク（OSN）におけるコミュニティ構造の特定という課題に対処すること。
• 静的構造的特性ではなく、トピックやテーマに基づいて動的にネットワーク相互作用をクラスタリングするデータマイニング手法の開発。
• 各コミュニティクラスタの中心的・発信的ノードとしての「吸引ノード」（NoA）を同定すること。
• 異種のOSNデータセットにおいて、トピックに配慮したクラスタを形成する遺伝的アルゴリズムの有効性を評価すること。
• オンラインコミュニティにおける相互作用の拡散を分析するためのスケーラブルで適応可能な手法の提供。

提案手法

• 遺伝的アルゴリズム（GA）を用いて、選択、交差、変異の操作を繰り返し実行することで、クラスタ形成を最適化する。
• GAの個体集団内の各個体は、OSNデータセット内のノードの潜在的クラスタリング構成を表す。
• 適応度関数は、クラスタ内類似度を最大化し、クラスタ間相違度を最大化することを目的とし、特に相互作用のトピック整合性に注目する。
• アルゴリズムは、活動レベルと議論発信への影響力に基づき、各クラスタの中心ノードとして「吸引ノード」（NoA）を特定する。
• 相互作用の内容と時間的パターンを適応度評価に統合することで、コメントやメッセージなど複数の相互作用タイプを処理する。
• 実世界のOSNデータセットを用いてGAを訓練・検証し、クラスタ品質とNoA同定の正確性を指標として性能を測定する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、オンラインソーシャルネットワークの相互作用を、どのように効果的にトピックベースのコミュニティにグループ化できるか？
• RQ2 「吸引ノード」（NoA）は、オンラインソーシャルネットワークにおけるコミュニティクラスタの形成と形状に、どのように寄与しているか？
• RQ3 GAベースのクラスタリング手法は、コメント、メール、チャットメッセージなど多様な相互作用タイプを統合フレームワーク内でどの程度処理できるか？
• RQ4 本手法は、伝統的なクラスタリング手法と比較して、OSNにおけるコミュニティ構造の検出において、どの程度優れた性能を示すか？
• RQ5 GAアプローチは、オンラインコミュニティにおける通信拡散の起源を信頼性高く同定できるか？

主な発見

• 遺伝的アルゴリズムは、実OSNデータセットにおける多様な相互作用タイプに対して、トピック整合性の高いクラスタを成功裏に形成し、複雑なネットワークダイナミクスへの適応性を示した。
• 「吸引ノード」（NoA）は、各クラスタ内で一貫して最も活発で影響力のあるノードとして特定され、議論の伝搬の出発点として信頼性の高い役割を果たした。
• 適応度関数の値を指標として測定したところ、本手法はベースラインのクラスタリング手法を上回り、クラスタの凝集性とトピックの関連性が向上していた。
• 本手法は、議論の時間的・主題的変化を効果的に捉え、通信拡散パターンの同定に寄与した。
• アルゴリズムは、合理的な世代数内で安定した収束を示し、実世界データにおけるスケーラビリティと計算上の実行可能性を示した。
• 実データセットを用いた実験結果から、ノイズが多く多様な相互作用が混在する環境下でも、コミュニティ構造の検出において本手法の頑健性が確認された。