[論文レビュー] Detecting highly overlapping community structure by greedy clique expansion

Conrad Lee, Fergal Reid+2 more|arXiv (Cornell University)|Feb 9, 2010

Complex Network Analysis Techniques参考文献 32被引用数 280

ひとこと要約

本稿では、局所的クラスタリング手法であるグリーディークリーク拡張（GCE）を提案する。GCEは、局所的フィットネス最適化を用いてシードクリークを拡張することで、複雑なネットワークにおける高重複コミュニティ構造を検出する。合成ネットワークにおいて全ノードが4つのコミュニティに属する状況でも、他のすべての重複コミュニティ検出アルゴリズムを上回る性能を示し、多様なトポロジーにわたって安定した性能を発揮するとともに、実世界のタンパク質相互作用ネットワークおよびFacebookフレンドシップデータにおいても競争力のある結果を得た。

ABSTRACT

In complex networks it is common for each node to belong to several communities, implying a highly overlapping community structure. Recent advances in benchmarking indicate that existing community assignment algorithms that are capable of detecting overlapping communities perform well only when the extent of community overlap is kept to modest levels. To overcome this limitation, we introduce a new community assignment algorithm called Greedy Clique Expansion (GCE). The algorithm identifies distinct cliques as seeds and expands these seeds by greedily optimizing a local fitness function. We perform extensive benchmarks on synthetic data to demonstrate that GCE's good performance is robust across diverse graph topologies. Significantly, GCE is the only algorithm to perform well on these synthetic graphs, in which every node belongs to multiple communities. Furthermore, when put to the task of identifying functional modules in protein interaction data, and college dorm assignments in Facebook friendship data, we find that GCE performs competitively.

研究の動機と目的

• 複雑なネットワークにおけるノードの重複度が非常に高い状況を扱える強固なコミュニティ検出アルゴリズムの不足を解消すること。
• 重複コミュニティ、非一様な次数分布、三重閉包を有する現実的な合成ベンチマークで良好な性能を発揮する新しいアルゴリズムの開発。
• 極端な重複を有する合成グラフおよび既知の真のコミュニティ構造を持つ実データセット上でGCEの性能を評価すること。
• 全ノードが複数のコミュニティに属する状況でも、GCEが高精度を維持できることを示すこと。

提案手法

• GCEは、密な部分グラフ（クリーク）をコミュニティ拡張の初期シードとして特定する。
• 各シードに対して、隣接ノードを段階的に追加するグリーディーな拡張戦略を適用し、局所的フィットネス関数を最適化する。
• フィットネス関数は、内部接続性と外部疎性に基づいて、拡張の質を評価する。
• アルゴリズムはシードを並列処理し、安定性と類似性に基づいて重複するコミュニティを統合する。
• 階層的コミュニティ検出のための修正版GCEを、ダイアグラムに類似した構造を用いて検討した。
• 局所的かつグリーディーな性質のため、スケーラビリティが高く並列処理に適している。

実験結果

リサーチクエスチョン

• RQ1 全ノードが4つ以上の重複コミュニティに属する状況でも、コミュニティ検出アルゴリズムが高精度を維持できるか？
• RQ2 GCEは、現実的なトポロジカル特徴を持つ合成ネットワークにおいて、既存の重複コミュニティ検出アルゴリズムと比較してどのように性能を発揮するか？
• RQ3 GCEは、タンパク質相互作用ネットワークやFacebookフレンドシップグラフなど、既知の真のコミュニティ構造を持つ実世界ネットワークでも競争力のある性能を発揮するか？
• RQ4 GCEは、修正された並列的拡張戦略を用いて階層的コミュニティ構造を検出できるか？

主な発見

• GCEは、カリフォルニア工科大学のFacebookフレンドシップネットワークでNMIスコア0.338を達成し、他のアルゴリズムを大きく上回った。
• 高重複を有する合成LFRネットワークにおいて、全ノードが4つのコミュニティに属する状況でも、GCEが唯一強力な性能を維持した。
• 非重複LFRグラフにおいてもGCEは競争力のある結果を示し、コミュニティ重複度の変動にわたるロバストネスを示した。
• タンパク質相互作用ネットワークのベンチマークにおいて、GCEは高精度で既知の機能モジュールを効果的に回復した。
• 他のアルゴリズム、特にCOPRAとBlondelは、カリフォルニア工科大学のデータセットでNMIが0.30未満にとどまり、Clique Percolationとabchampionsはほぼゼロに近いスコアを記録した。
• アルゴリズムの性能は安定的かつ効率的であり、カリフォルニア工科大学のネットワークでは1秒未満で実行された。