[論文レビュー] Detecting Overlapping Communities from Local Spectral Subspaces

Kun He, Yiwei Sun+3 more|arXiv (Cornell University)|Sep 27, 2015

Complex Network Analysis Techniques参考文献 27被引用数 18

ひとこと要約

本稿では、種頂点の周辺における短いランダムウォークから導出される局所スペクトル部分空間を活用して、重複するコミュニティを検出する新規手法LOS P（Local Spectral Subspace）を提案する。これらの部分空間内でスパースで$€_1$-ノルムを最小化するインジケーターベクトルを探索することで、最小限の種頂点からも高精度にターゲットコミュニティを同定でき、5つの実世界ネットワークにおいて、グローバルおよびローカルの拡散ベースラインを上回る性能を発揮する。

ABSTRACT

Based on the definition of local spectral subspace, we propose a novel approach called LOSP for local overlapping community detection. Instead of using the invariant subspace spanned by the dominant eigenvectors of the entire network, we run the power method for a few steps to approximate the leading eigenvectors that depict the embedding of the local neighborhood structure around seeds of interest. We then seek a sparse approximate indicator vector in the local spectral subspace spanned by these vectors such that the seeds are in its support. We evaluate LOSP on five large real world networks across various domains with labeled ground-truth communities and compare the results with the state-of-the-art community detection approaches. LOSP identifies the members of a target community with high accuracy from very few seed members, and outperforms the local Heat Kernel or PageRank diffusions as well as the global baselines. Two candidate definitions of the local spectral subspace are analyzed, and different community scoring functions for determining the community boundary, including two new metrics, are thoroughly evaluated. The structural properties of different seed sets and the impact of the seed set size are discussed. We observe low degree seeds behave better, and LOSP is robust even when started from a single random seed. Using LOSP as a subroutine and starting from each ego connected component, we try the harder yet significant task of identifying all communities a single vertex is in. Experiments show that the proposed method achieves high F1 measures on the detected multiple local overlapping communities containing the seed vertex.

研究の動機と目的

• 大規模ネットワークにおける重複コミュニティの効率的検出に取り組むこと、特に少数の種メンバーしか入手できない状況を想定する。
• グローバルスペクトルクラスタリングや従来のローカル拡散手法（例：PageRank、Heat Kernel）の限界を克服すること。これらはスケーリングが悪いか、重複構造を適切に扱えない。
• グローバルネットワークのサイズではなく、ターゲットコミュニティのサイズに多項式時間・空間で動作するローカルスペクトルフレームワークを構築すること。
• 1つの頂点が属するすべての重複コミュニティを特定できることを可能とし、複数メンバーシップ同定問題に取り組む。
• 導出されたコミュニティ境界検出に最適なスコア関数を評価・比較すること。これには2つの新規指標を含む。

提案手法

• 種頂点の近傍部分グラフの主要固有ベクトルを近似的に求めるために、数回の反復でパワー法を適用し、局所スペクトル部分空間を構築する。
• これらの近似固有ベクトルの張る空間として局所スペクトル部分空間を定義し、種頂点の周辺における内在的局所構造を捉える。
• コミュニティ検出タスクを、支持集合にすべての種頂点を含む局所スペクトル部分空間内でのスパースで$€_1$-ノルムを最小化するインジケーターベクトルの探索問題として定式化する。
• 導通性、正規化モジュラリティ、および三辺参加数（TPN）を含む複数のコミュニティスコア関数を用い、最適なコミュニティ境界を特定する。
• 各頂点を種頂点として扱い、再帰的またはサブルーチンとしての適用により、1つの頂点が属するすべての重複コミュニティを同定する。
• 構造的性質（例：低次数、高い三角形参加率）を有する種集合を活用することで、検出のロバスト性と正確性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 短いランダムウォークから導出される局所スペクトル部分空間は、グローバルネットワークへのアクセスを要せず、重複コミュニティの構造を効果的に捉えることができるか？
• RQ2 実世界ネットワークにおいて、種集合の品質、サイズ、構造的性質（例：次数、凝集性）がLOS Pの性能に与える影響は何か？
• RQ3 最小限の種入力で重複コミュニティを検出する際、LOS Pは最先端のローカル拡散手法（例：パーソナライズドPageRank、Heat Kernel）を上回る性能を発揮できるか？
• RQ4 特に新規に提案された三辺参加数（TPN）および正規化モジュラリティといったスコア関数は、正確なコミュニティ境界同定にどの程度有効であるか？
• RQ5 LOS Pは、1つの頂点が属するすべての重複コミュニティをどの程度正確に同定できるか。また、重複メンバーシップ数の増加に伴い性能はどのように変化するか？

主な発見

• LOS Pは、非常に少数の種頂点からも高いF1スコア（「Truth」データセットで平均0.659）を達成し、ローカル拡散手法およびグローバルベースラインを上回る性能を発揮した。
• 三辺参加数（TPN）スコア関数は、コミュニティ境界検出において導通性を上回り、重複コミュニティ検出に有効であることが示された。
• 低次数の種や、高い三角形参加率（低逃走率）を示す種は、ランダムウォークの伝搬中に局所構造をよりよく保持するため、より正確で安定したコミュニティ検出をもたらした。
• 単一のランダム種からでも、LOS Pは多様なネットワークタイプやコミュニティスケールにわたり、強力な性能を維持するという、ロバスト性を示した。
• 複数メンバーシップ同定タスクにおいて、LOS Pは全データセットおよび停止条件で平均F1スコア0.405を達成し、重複コミュニティメンバーシップの同定に有効であることを示した。
• 実行時間とメモリ使用量が、グローバルネットワークのサイズではなく、局所コミュニティのサイズに多項式的にスケーリングされるため、大規模ネットワークへの実用的導入が可能である。