[論文レビュー] Detecting Cohesive and 2-mode Communities in Directed and Undirected Networks

Jaewon Yang, Julian McAuley+1 more|arXiv (Cornell University)|Jan 29, 2014

Complex Network Analysis Techniques参考文献 37被引用数 38

ひとこと要約

本稿では、有向および無向ネットワークにおいて、密に接続された（凝集的）コミュニティと、外部ノードを共有する2モード（双方向）コミュニティの両方を同定する、新しい重複コミュニティ検出手法CoDAを提案する。ノードの接続パターンを実数値の所属強度でモデル化することで、最先端の手法を上回り、社会的・生物学的・ウェブグラフを含む多様な実世界ネットワークにおいて、両方のコミュニティタイプが共存することを明らかにする。

ABSTRACT

Networks are a general language for representing relational information among objects. An effective way to model, reason about, and summarize networks, is to discover sets of nodes with common connectivity patterns. Such sets are commonly referred to as network communities. Research on network community detection has predominantly focused on identifying communities of densely connected nodes in undirected networks. In this paper we develop a novel overlapping community detection method that scales to networks of millions of nodes and edges and advances research along two dimensions: the connectivity structure of communities, and the use of edge directedness for community detection. First, we extend traditional definitions of network communities by building on the observation that nodes can be densely interlinked in two different ways: In cohesive communities nodes link to each other, while in 2-mode communities nodes link in a bipartite fashion, where links predominate between the two partitions rather than inside them. Our method successfully detects both 2-mode as well as cohesive communities, that may also overlap or be hierarchically nested. Second, while most existing community detection methods treat directed edges as though they were undirected, our method accounts for edge directions and is able to identify novel and meaningful community structures in both directed and undirected networks, using data from social, biological, and ecological domains.

研究の動機と目的

• 従来のコミュニティ検出手法が凝集的で密に接続されたコミュニティにのみ焦点を当てているという限界に対処すること。
• ノード同士が直接的な内部接続を持たないが、外部ノードを共有することで連携する、凝集的および2モードコミュニティの両方を検出する手法を開発すること。
• 有向エッジを無向とみなすことで情報損失が生じるのを避けるために、ネットワークにおけるエッジの方向性を考慮すること。
• 大規模ネットワークにおける重複および階層的ネストされたコミュニティ構造を検出できること。
• 社会的・生物学的・技術的ネットワークの多様なコミュニティタイプを統合的に捉えるフレームワークを提供すること。

提案手法

• CoDAは、各ノード $u$ およびコミュニティ $c$ に対して、$F_{uc}$（凝集的所属強度）と $H_{uc}$（2モード所属強度）という2つの実数値の所属強度を用いてコミュニティをモデル化する。
• 内部接続（凝集的）および外部接続パターン（2モード）に基づいて、ノードがコミュニティに適合する程度を最大化する最適化問題としてコミュニティ検出を定式化する。
• スペクトルクラスタリングとグリーディーな最適化ステップを組み合わせることで、数百万ノードおよびエッジを含む大規模ネットワークにもスケーリング可能である。
• 各ノードが複数のコミュニティに属し、異なる所属強度を持つことにより、重複コミュニティをサポートする。
• 有向ネットワークを処理する際、インバウンドエッジとアウトバウンドエッジを区別することで、コミュニティ構造検出における方向性情報を保持する。
• 凝集的および2モードコミュニティ検出を統合的に1つのフレームワークに統合し、両タイプの同時推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ノードが直接的に接続されていないが共通の近傍ノードを持つ場合、コミュニティ検出手法はどのように2モードコミュニティを同定できるか？
• RQ2 実世界の有向および無向ネットワークにおいて、凝集的コミュニティと2モードコミュニティはどの程度共存しているか？
• RQ3 エッジの方向性を考慮することで、エッジを無向とみなす場合と比較して、意味のあるコミュニティ構造の検出がどの程度向上するか？
• RQ4 1つの手法で大規模ネットワークにおける重複および階層的コミュニティ構造を効果的に検出できるか？
• RQ5 異なるネットワークタイプ（例：社会的、生物学的、ウェブ）において、凝集的コミュニティと2モードコミュニティの相対的な頻度はどの程度か？

主な発見

• CoDAは、真のコミュニティが既知のベンチマークにおいて最先端のコミュニティ検出手法を上回り、既知のコミュニティを同定する精度が優れていることが示された。
• Twitterでは検出されたコミュニティの20%、Google+では30%が2モード構造を示しており、多くのソーシャルコミュニティが凝集的ではなく、共有の外部リンクを通じて調整されていることが示された。
• PPIネットワークでは、Y2Hデータセットでは50%のコミュニティが2モードであったが、PPI-LCネットワーク（文献からキュレートされたもの）はほとんどが凝集的であった。これは、実験的バイアスが凝集的コミュニティの発見を好む傾向があることを示唆している。
• ウェブグラフでは、凝集的コミュニティと2モードコミュニティの割合がほぼ等しく、両タイプが大規模ネットワークに共存していることを裏付けている。
• 食物連鎖ネットワークと引用ネットワークは、相互接続や内部リンクが存在しないため、ほぼ完全に2モードコミュニティで構成されており、構造的制約と整合的である。
• Facebookのエゴネットワークでは95%以上が凝集的コミュニティであったが、TwitterおよびGoogle+のエゴネットワークでは顕著な2モード構造が観察された。これは、プラットフォーム間でのネットワークダイナミクスの違いを示している。