[論文レビュー] Community structure in social and biological networks

Michelle Girvan, M. E. J. Newman|RePEc: Research Papers in Economics|Dec 7, 2001

Complex Network Analysis Techniques被引用数 15

ひとこと要約

本論文は、エッジのブリッジ性（betweenness centrality）を用いてコミュニティ境界を特定することで、ネットワーク内のコミュニティ構造を検出する新規アルゴリズムを提案している。合成ネットワークおよび実世界のネットワーク（食物連鎖や共同作業ネットワークを含む）において高い正確性を示し、生態的・社会的現実と整合する生物学的・社会的に意味のあるグループ化を明らかにした。

ABSTRACT

A number of recent studies have focused on the statistical properties of networked systems such as social networks and the World-Wide Web. Researchers have concentrated particularly on a few properties which seem to be common to many networks: the small-world property, power-law degree distributions, and network transitivity. In this paper, we highlight another property which is found in many networks, the property of community structure, in which network nodes are joined together in tightly-knit groups between which there are only looser connections. We propose a new method for detecting such communities, built around the idea of using centrality indices to find community boundaries. We test our method on computer generated and real-world graphs whose community structure is already known, and find that it detects this known structure with high sensitivity and reliability. We also apply the method to two networks whose community structure is not well-known - a collaboration network and a food web - and find that it detects significant and informative community divisions in both cases.

研究の動機と目的

• 複雑なネットワークにおけるコミュニティ構造を検出するための堅牢で汎用的な手法の不足に対処すること。
• 密に接続されたコアに注目するのではなく、コミュニティ境界を特定する手法を開発すること。
• 既知のコミュニティ構造を持つネットワークにおける手法の性能を評価し、これまで特徴付けられていなかったネットワークへ応用すること。
• 実世界のネットワークにおけるコミュニティ構造が、機能的または生態的意味のあるグループ化に対応しているかどうかを検討すること。
• 大規模ネットワーク解析へのスケーラビリティおよび適応性を評価すること。

提案手法

• エッジのブリッジ性を中央性指標として用い、コミュニティ間を結ぶ可能性の高いエッジを特定する。
• ブリッジ性が最大のエッジを反復的に削除することで、ネットワークを段階的に小さなコンポーネントに分割する。
• エッジが残らなくなるまでこのプロセスを繰り返し、階層的なコミュニティの木構造を生成する。
• 各段階でのエッジ削除によって形成される最大のコンポーネントとしてコミュニティを特定する。
• 密に接続された領域同士を接続するエッジに注目することで、コミュニティの周縁部を検出するようにアルゴリズムを設計する。
• 重みなし・無向ネットワークに適用可能であり、重み付き・有向グラフへの拡張も可能性を有する。

実験結果

リサーチクエスチョン

• RQ1 既知のコミュニティ構造を持つネットワークにおいて、エッジのブリッジ性中央性はコミュニティ境界を効果的に特定できるか？
• RQ2 食物連鎖や共同作業ネットワークなどの実世界ネットワークにおいて、この手法はコミュニティをどの程度正確に検出できるか？
• RQ3 検出されたコミュニティは、生物学的・社会的システムにおける意味のある機能的または生態的グループ化に対応しているか？
• RQ4 スパarsなネットワークと密なネットワークにおいて、このアルゴリズムの性能は、従来のクラスタリング手法と比較してどうなるか？
• RQ5 この手法は重み付きまたは有向ネットワークに対応できるか。また、計算効率をどのように向上できるか？

主な発見

• アルゴリズムは、合成ネットワークにおける既知のコミュニティ構造を高い感度と信頼性で検出できた。
• ザッカリーの空手クラブネットワークでは、クラブが分裂後に生じた2つのコミュニティを正しく同定し、現実の結果と一致した。
• 大学フットボールネットワークでは、会議構造を高い正確性で回復し、95％のチームが正しい会議に正しい割り当てられた。
• チェサピーク湾の食物連鎖では、ペラジックとベンセイクの生物に対応する2つの主要コミュニティが特定され、相互接続リンクはわずかに抑えられた。
• この手法により、食物連鎖における生態的コミュニティは栄養段階よりも生息環境によってより明確に定義されることを示した。これは、従来の分類法に挑戦するものである。
• 密なネットワークでは、この手法の性能がやや劣ることが示され、現在の形ではこのようなケースに限界がある可能性を示唆している。