[論文レビュー] Community Evolution of Social Network: Feature, Algorithm and Model

Yi Wang, Bin Wu+1 more|ArXiv.org|Apr 28, 2008

Complex Network Analysis Techniques参考文献 18被引用数 32

ひとこと要約

本稿では、コアノードを用いて時間スナップショット間で動的関係を確立することで、ソーシャルネットワークにおけるコミュニティの進化をパラメータフリーでコアベースの手法で追跡するCommTrackerを提案する。2つの主要な動的特徴—コミュニティの存続期間（GROWTH）とメンバーの不安定性（METABOLISM）—を同定し、これらを再現する修正されたソーシャルネットワークモデルを導入することで、静的トポロジー以外の動的特性に基づき、ソーシャルネットワークとノンソーシャルネットワークを明確に区別できるようにする。

ABSTRACT

Researchers have devoted themselves to exploring static features of social networks and further discovered many representative characteristics, such as power law in the degree distribution and assortative value used to differentiate social networks from nonsocial ones. However, people are not satisfied with these achievements and more and more attention has been paid on how to uncover those dynamic characteristics of social networks, especially how to track community evolution effectively. With these interests, in the paper we firstly display some basic but dynamic features of social networks. Then on its basis, we propose a novel core-based algorithm of tracking community evolution, CommTracker, which depends on core nodes to establish the evolving relationships among communities at different snapshots. With the algorithm, we discover two unique phenomena in social networks and further propose two representative coefficients: GROWTH and METABOLISM by which we are also able to distinguish social networks from nonsocial ones from the dynamic aspect. At last, we have developed a social network model which has the capabilities of exhibiting two necessary features above.

研究の動機と目的

• 静的特徴（べき乗則の次数分布や相関的結合性など）を超えた、ソーシャルネットワークの動的特性を解明すること。
• パラメータを必要としないコミュニティ進化追跡アルゴリズムの開発、分裂および合体イベントの追跡を含む。
• ノンソーシャルネットワークとは異なる、ソーシャルネットワークに特有の動的現象を同定・定量すること。
• 発見された動的特徴を示せるように修正されたソーシャルネットワークモデルの提案

提案手法

• CommTrackerは、ノードの安定性に依存せずに、時間スナップショット間で進化するコミュニティ関係をコアノードを用いて確立する。
• コアノードは次数と持続性に基づき同定され、時間的間隔にわたるコミュニティ追跡の骨格を形成する。
• アルゴリズムはコアノードの遷移と接続性の変化を分析することで、コミュニティの分裂および合体を検出する。
• コミュニティの存続期間（GROWTH）とメンバーの入れ替え率（METABOLISM）という2つの係数を定義し、ネットワーク行動の動的特性を定量化する。
• モデルはエミリーのモデルを拡張し、次数に依存する削除確率を備えた動的ノード追加・削除ルールを追加する。
• モデルは5段階で構成される：初期接続形成、三角形閉じ込み、エッジ削除、次数に基づく頂点削除、および高次ノードに偏り付加される新規頂点挿入

実験結果

リサーチクエスチョン

• RQ1 不安定なノードに依存せずに、時間経過に伴うソーシャルネットワークにおけるコミュニティ進化を効果的に追跡する方法は何か？
• RQ2 静的トポロジカル性質を超えて、ソーシャルネットワークとノンソーシャルネットワークを区別する独自の動的特徴は何か？
• RQ3 GROWTHおよびMETABOLISMという動的係数系を定義することで、ソーシャルネットワークとノンソーシャルネットワークを定量的に区別できるか？
• RQ4 ノードの入れ替えとコミュニティ進化を現実的に反映できるように、ソーシャルネットワークモデルをどのように強化できるか？

主な発見

• ソーシャルネットワークの約80％のノードが、たった1つまたは2つの時間スナップショットにのみ存在しており、ノードの不安定性が顕著である。
• 次数が大きいノードは、スナップショット間で著しく持続的であることが示され、コアノードの安定性が裏付けられた。
• 大きなコミュニティはより長い存続期間を示し、これはGROWTH係数で定量的に測定された現象である。
• 長期間存続するコミュニティは高いメンバー入れ替え率を示し、これはMETABOLISM係数で捉えられた。
• 提案されたモデルは、6つのソーシャルネットワークおよび5つのノンソーシャルネットワークを含む11のデータセットで、GROWTHおよびMETABOLISMの両現象を効果的に再現した。
• CommTrackerアルゴリズムは、パrameterチューニングを要せず、コミュニティの分裂および合体を効果的に検出できた。