[論文レビュー] Community Detection in Complex Networks Using Agents

İsmail Güneş, Haluk O. Bingol|ArXiv.org|Oct 23, 2006

Complex Network Analysis Techniques参考文献 11被引用数 9

ひとこと要約

本稿では、コミュニティ数やしきい値の事前知識を必要としない、エージェントベースの確率的アルゴリズムを、複雑ネットワークにおけるコミュニティ検出に提案する。スレッド状のエージェントが偏りのあるランダムウォークを実行し、ネットワークのモジュラリティを用いてコミュニティ数を決定することで、計算コストを最適化した上で正確なコミュニティ構造を明らかにし、ザッカリーの空手クラブ、カレッジフットボール、政治的書籍ネットワークにおいて、ほぼすべての実行で真のコミュニティ構造を回復した。

ABSTRACT

Community structure identification has been one of the most popular research areas in recent years due to its applicability to the wide scale of disciplines. To detect communities in varied topics, there have been many algorithms proposed so far. However, most of them still have some drawbacks to be addressed. In this paper, we present an agent-based based community detection algorithm. The algorithm that is a stochastic one makes use of agents by forcing them to perform biased moves in a smart way. Using the information collected by the traverses of these agents in the network, the network structure is revealed. Also, the network modularity is used for determining the number of communities. Our algorithm removes the need for prior knowledge about the network such as number of the communities or any threshold values. Furthermore, the definite community structure is provided as a result instead of giving some structures requiring further processes. Besides, the computational and time costs are optimized because of using thread like working agents. The algorithm is tested on three network data of different types and sizes named Zachary karate club, college football and political books. For all three networks, the real network structures are identified in almost every run.

研究の動機と目的

• コミュニティ数やしきい値パラメータの事前知識を必要とする既存のコミュニティ検出アルゴリズムの制限を解消すること。
• 後処理を必要としない自己組織的で確率的な手法を構築し、コミュニティ構造を明らかにすること。
• ネットワーク走査におけるスレッド状エージェントの挙動を活用して計算効率を最適化すること。
• 多様なネットワークタイプにおいて、真のコミュニティ構造の強固で一貫性のある検出を保証すること。

提案手法

• エージェントは、接続度の高い辺を優先する偏りのあるランダムウォークをネットワーク上で実行し、密集した領域を探索する。
• 各エージェントは走査中に局所的な構造的情報を収集し、ネットワークトポロジーのグローバルな理解に貢献する。
• アルゴリズムは、ネットワークのモジュラリティを指標として用い、最適なコミュニティ数を自動的に決定する。
• コミュニティ境界はエージェントの移動パターンと構造的情報の集約から推定され、恣意的なしきい値を回避する。
• 並列で軽量なエージェントスレッドを活用することで、時間的・計算的コストを低減する効率性を設計する。
• 最終的なコミュニティ構造は、追加のクラスタリングや精練ステップを必要とせず、直接出力される。

実験結果

リサーチクエスチョン

• RQ1 確率的エージェントベースのアプローチは、コミュニティ数やしきい値パラメータの事前知識なしに、複雑ネットワークにおけるコミュニティ構造を検出可能か？
• RQ2 エージェント駆動の偏りのあるランダムウォークは、実世界のネットワークにおける真の潜在的コミュニティ構造をどの程度効果的に明らかにできるか？
• RQ3 ネットワークのモジュラリティを用いることで、コミュニティ数の正確性と自己決定性はどの程度向上するか？
• RQ4 スレッド状エージェントアーキテクチャは、コミュニティ検出における計算効率とスケーラビリティにどのように寄与するか？
• RQ5 提案手法は、多様なネットワークタイプおよびサイズにおいて、一貫して真のコミュニティ構造を回復可能か？

主な発見

• アルゴリズムは、ほぼすべての実行でザッカリーの空手クラブネットワークにおける真のコミュニティ構造を回復し、高い信頼性を示した。
• カレッジフットボールネットワークでは、コミュニティ数に関する事前入力なしに、分割に基づくコミュニティ構造を正確に同定した。
• 政治的書籍ネットワークでは、複数回の実行においても、リベラル・コンservativeのコミュニティ分割を高い一貫性で検出できた。
• コミュニティ数の決定にモジュラリティを用いることで、手動でのチューニングやしきい値選択の必要がなくなった。
• 軽量エージェントの効率的かつ並列的な動作により、計算コストが最適化され、収束が高速化された。
• 追加の後処理ステップを必要とせず、明確なコミュニティ構造が直接出力された。