[論文レビュー] Finding overlapping communities in multiplex networks

Nazanin Afsarmanesh, Matteo Magnani|arXiv (Cornell University)|Feb 11, 2016

Complex Network Analysis Techniques参考文献 23被引用数 14

ひとこと要約

本稿では、複数の層間で複数のエッジタイプによって接続されるマルチプレックスネットワークにおける重複コミュニティの検出を目的として、クリーク拡散法（CPM）の拡張を提案する。クリークおよびクリーク隣接の定義を層固有のエッジを考慮するように再定義することで、複数の層にまたがるコミュニティを同定し、ノードが複数のグループに属するのを許容する。これにより、従来のCPM や単層手法では検出できない階層的かつ重複する構造が明らかになる。

ABSTRACT

We define an approach to identify overlapping communities in multiplex networks, extending the popular clique percolation method for simple graphs. The extension requires to rethink the basic concepts on which the clique percolation algorithm is based, including cliques and clique adjacency, to allow the presence of multiple types of edges.

研究の動機と目的

• 複数のエッジタイプを持つマルチプレックスネットワークにおける重複コミュニティを同定できるコミュニティ検出手法のギャップを埋める。
• CPMをマルチレイヤーおよびマルチプレックスネットワーク構造に拡張し、層をまたがるコミュニティの結束を維持する。
• マルチプレックスネットワークにおけるノードおよびエッジタイプの関係を考慮した、クリークおよびクリーク隣接の新しい概念を定義する。
• コミュニティが層内または層間で重複するのを可能にし、現実世界の社会的および共同作業構造を反映する。
• 実データセットを用いた実証的評価を通じて、本手法が階層的コミュニティ構造を同定できる能力を示す。

提案手法

• マルチプレックスネットワークにおけるクリークの概念を再定式化し、ノードとエッジタイプの両方を含める。クリーク定義にはANDおよびORの2種類のバリエーションを導入する。
• 共有ノードおよび共通するエッジタイプに基づいてクリーク隣接を定義し、構造的および層固有の接続性を両方考慮する。
• 隣接するクリークをグループ化してコミュニティを形成するコミュニティ検出アルゴリズムを導入し、エッジタイプの多様性に制約を設けることで結束を維持する。
• コミュニティごとの異なるエッジタイプの数に閾値を適用し、検出されたコミュニティにおける多様性を制御し、均一性を強制する。
• 各レイヤーが異なる種類の関係（例：仕事、レジャー、共同執筆）に対応するマルチレイヤー表現を用い、これらのレイヤーにまたがるコミュニティを検出する。
• クリークの隣接グラフに基づくグラフクラスタリングアプローチを採用し、コミュニティの境界は接続性およびエッジタイプの一貫性によって決定する。

実験結果

リサーチクエスチョン

• RQ1 クリーク拡散法は、複数のエッジタイプを持つマルチプレックスネットワークにおける重複コミュニティを検出するためにどのように拡張可能か？
• RQ2 マルチプレックス環境におけるクリークおよびクリーク隣接の適切な定義は何か？ これにより、層をまたがるコミュニティの結束が保持されるべきである。
• RQ3 拡張された手法は、コアコミュニティが複数のレイヤーにまたがり、周辺ノードが少ないレイヤーに属する階層的コミュニティ構造を検出できるか？
• RQ4 エッジタイプの多様性の組み込みが、検出されたコミュニティの均一性および解釈可能性に与える影響は何か？
• RQ5 本手法は、現実のマルチプレックスネットワークにおいて、計算的挙動およびスケーラビリティをどのように示すか？

主な発見

• 本手法は、複数のレイヤーにまたがる重複コミュニティを効果的に同定でき、例としてC16やC17のようなコミュニティでは、Facebook、仕事、レジャー関係の両方で活発なノードを含む。
• C01 や C09 のようなコミュニティは、層の重なりが著しい濃密なコア部を示し、周辺ノードは少ないレイヤーにのみ関与する。これは現実のソーシャルネットワーク構造を反映している。
• 本手法は、全体のクリークが異なるコミュニティに属するような階層的パターンを検出でき、これは標準CPMでは層に注意を払わないため、存在しない現象である。
• 共有ノードおよびエッジタイプに基づくクリーク隣接は、関係のないコミュニティの融合を防ぎ、層をまたがる構造的整合性を維持する。
• エッジタイプの多様性に制限を設けることで、コミュニティの均一性が向上し、過度に多様または散在したクラスタを避けることができる。
• 実データセットを用いた実証的結果から、本手法は複数のレイヤーにまたがる意味のある、解釈可能なコミュニティを同定できることを示している。例として、C18 や C24 のような、重複する役割を持つ混合用途のグループも検出可能である。