[論文レビュー] Coding of Markov dynamics for multiscale community detection in complex networks

Michael T. Schaub, Renaud Lambiotte+1 more|arXiv (Cornell University)|Jan 1, 2011

Complex Network Analysis Techniques参考文献 28被引用数 1

ひとこと要約

本稿では、時間発展をマップ方程式フレームワークに統合する動的コーディング手法を提案し、複雑ネットワークにおけるマルチスケールコミュニティ検出を実現する。マルチステップ遷移行列の分析により、従来の1ステップコーディングが抱える視野制限を克服し、より大きな、より複雑なコミュニティを、圧縮ギャップを低減させるとともに、複数のネットワークスケールにわたってスケーラビリティを向上させることで検出可能にする。

ABSTRACT

The detection of community structure in complex networks is intimately related to the problem of finding a concise description of the network in terms of its modules. This notion has been recently exploited by the Map equation formalism (M. Rosvall and C. T. Bergstrom, PNAS, vol. 105, no. 4, pp. 1118–1123, 2008) through an information-theoretic characterization of the process of coding the transitions of a random walker inside and between communities at stationarity. However, a thorough consideration of the relationship between a time-evolving Markov dynamics and the coding mechanism is still lacking. We show that the original one-step coding scheme used by the Map equation method neglects the internal structure of the communities and introduces an upper scale, the ’field-of-view’ limit, for the communities that it can detect. Although the Map equation method is known for its good performance on clique-like graphs, the field-of-view limit can result in undesirable overpartitioning when communities are far from clique-like. We show that a signature of this behavior is a large compression gap: a large deviation of the Map compression from the ideal limit, the entropy rate of the Markov process. To address this issue, we propose a simple dynamic approach that introduces time explicitly into the Map coding procedure through the analysis of the time-evolving multistep transition matrix of the Markov process. The so-induced dynamical zooming across scales can reveal (potentially multiscale) community structure above the field-ofview limit with the relevant partitions indicated by a small compression gap. Finally, we discuss how the interplay between coding and dynamics could be further developed to improve the detection of community structure in networks.

研究の動機と目的

• 元のマップ方程式手法が1ステップコーディング方式に起因して、検出可能なコミュニティに上界スケール制限（視野）を課えるという制限を解消すること。
• 時間発展するマルコフダイナミクスがコミュニティ検出の精度およびネットワークコーディングの圧縮効率に与える影響を調査すること。
• 複数ステップにわたる時間発展を明示的にモデル化する動的コーディングフレームワークを構築し、隠れたマルチスケールコミュニティ構造を明らかにすること。
• 圧縮ギャップ（実際の圧縮とマルコフ過程のエントロピー率との差）を、過剰分割および構造的不正確さの診断指標として低減させること。
• マルチステップ遷移行列を活用してスケール間の動的ズームを実現し、クライク型でないコミュニティの検出を向上させること

提案手法

• ランダムウォークのネットワークコミュニティ内での時間発展的挙動をモデル化するためのマルチステップ遷移行列を導入する。
• 元のマップ方程式の1ステップコーディング方式を、遷移における時間的相関を考慮した動的コーディング手順に置き換える。
• マルコフ過程のエントロピー率を圧縮の理論的下限として用い、理想的な圧縮限界を定義する。
• 実際の圧縮とエントロピー率の差として圧縮ギャップを測定し、検出品質の評価および過剰分割の回避に用いる。
• 元の手法の視野制限を超えるスケールでのコミュニティ構造検出に、動的コーディングフレームワークを適用する。
• 時間範囲を段階的に拡大させた遷移ダイナミクスの分析を通じて、スケール間の階層的ズームメカニズムを実装する

実験結果

リサーチクエスチョン

• RQ1 元のマップ方程式の1ステップコーディング方式は、クライク型でないコミュニティの内部構造をどのように正しく捉えられていないか？
• RQ2 複雑でクライク型でないネットワークにおいて、コミュニティ検出時に過剰分割を引き起こす視野制限の役割は何か？
• RQ3 コーディングプロセスに時間発展を統合することで、より大きな、より複雑なコミュニティ構造の検出が向上するか？
• RQ4 圧縮ギャップは、コミュニティ検出における構造的正確性および過剰分割とどのように相関するか？
• RQ5 複数ステップにわたる動的コーディングにより、元のマップ方程式では検出できないマルチスケールコミュニティ構造はどの程度明らかにできるか？

主な発見

• 元のマップ方程式の1ステップコーディング方式は、視野制限を引き起こし、特にクライク型でないネットワーク構造では大規模コミュニティの検出を制限する。
• 実際の圧縮とエントロピー率との差として定義される大きな圧縮ギャップは、過剰分割および構造的不正確さの信頼できる指標である。
• マルチステップ遷移行列に基づく提案された動的コーディング手法は、視野制限を超えたコミュニティ構造の検出に成功している。
• 動的アプローチで検出されたコミュニティは、圧縮ギャップが顕著に小さく、マルコフ過程の真のエントロピー率とよりよく一致している。
• 本手法により、スケール間の動的ズームが可能となり、静的1ステップコーディングでは見逃される可能性のあるマルチスケールコミュニティ階層が明らかにされる。
• コーディングと時間発展ダイナミクスの相互作用は、複雑ネットワークにおけるコミュニティ検出の改善に原理的フレームワークを提供する。