[論文レビュー] Heat kernel based community detection

Kyle Kloster, David F. Gleich|arXiv (Cornell University)|Mar 13, 2014

Complex Network Analysis Techniques参考文献 8被引用数 25

ひとこと要約

本稿では、ランダムウォーク遷移行列の行列指数を度数加重ノルムで推定するために、暗黙的に構築された線形系上で座標緩和を用いる、グラフにおけるヒートカーネル拡散を計算する最初の決定的で局所的なアルゴリズムであるhk-relaxを提案する。この手法は、グラフサイズに依存しない定数時間の局所化を達成し、特にTwitterのような大規模ネットワークや実世界のデータセットにおいて、個人向けPageRankよりもタイトでより正確なコミュニティを生成する。導出されたF1スコアは顕著に高く、わずかに悪い導通性（conductance）を示すが、全体として優れた性能を発揮する。

ABSTRACT

The heat kernel is a particular type of graph diffusion that, like the much-used personalized PageRank diffusion, is useful in identifying a community nearby a starting seed node. We present the first deterministic, local algorithm to compute this diffusion and use that algorithm to study the communities that it produces. Our algorithm is formally a relaxation method for solving a linear system to estimate the matrix exponential in a degree-weighted norm. We prove that this algorithm stays localized in a large graph and has a worst-case constant runtime that depends only on the parameters of the diffusion, not the size of the graph. Our experiments on real-world networks indicate that the communities produced by this method have better conductance than those produced by PageRank, although they take slightly longer to compute on large graphs. On a real-world community identification task, the heat kernel communities perform better than those from the PageRank diffusion.

研究の動機と目的

• 理論的有用性は示されていたが、これまでに効率的なアルゴリズムが存在しなかった大規模グラフにおけるヒートカーネル拡散を計算する決定的でスケーラブルな手法の開発。
• 実世界および合成ネットワークにおける導通性、集合サイズ、正確性の観点から、広く使われている個人向けPageRank手法と比較して、ヒートカーネルベースのコミュニティ検出の性能を評価すること。
• ヒートカーネル拡散が、実世界ネットワークにおける真のコミュニティを特定する際、PageRankよりもより正確で局所的なコミュニティを生成するかどうかを評価すること。
• コミュニティ検出および関連するグラフ解析タスクに使用可能な再現可能で効率的な実装を提供すること。

提案手法

• アルゴリズムは、ランダムウォーク遷移行列の行列指数を近似する線形系に対して、座標緩和（ガウス＝ザイデル形式の手法）を用いてヒートカーネル拡散を解く。
• この手法は度数加重ノルムで動作し、実行時間の上限がグラフサイズに依存せず、拡散パラメータにのみ依存する定数に保たれることを保証する。
• ノードの値を隣接ノードからの寄与に基づいて反復的に更新することで、ヒートカーネル拡散を推定し、ノルム加重収束により局所性を維持する。
• アルゴリズムは、行列指数を近似する線形系を解く緩和法として形式的に定式化されており、度数加重条件下での収束が証明されている。
• 実装では、個人向けPageRankに類似したプッシュ形式の更新メカニズムを採用しているが、ヒートカーネルの数学的構造に適合させている。
• この手法は単純でスケーラブルかつ決定的であるため、異なるグラフタイプ間での拡散特性の正確な比較が可能となる。

実験結果

リサーチクエスチョン

• RQ1 大規模グラフにおけるヒートカーネル拡散の局所化特性は、個人向けPageRankと比べてどうか？
• RQ2 決定的アルゴリズムとして、グラフサイズに依存しない定数時間でヒートカーネル拡散を効率的に計算できるか？
• RQ3 実世界ネットワークにおいて、ヒートカーネル拡散によって特定されたコミュニティは、個人向けPageRankによるものと比べて導通性と正確性に優れているか？
• RQ4 実世界データセットにおける真のコミュニティと比較して、ヒートカーネル拡散によって検出されたコミュニティのサイズとF1スコアはどのように異なるか？
• RQ5 ヒートカーネルとPageRankベースの手法の間で、計算効率とコミュニティ品質のトレードオフはどのようなものか？

主な発見

• 20億エッジを有するTwitterのような大規模グラフにおいて、hk-relaxはわずかに長い実行時間であるものの、個人向けPageRankよりも顕著に優れた導通性を示した。
• hk-relaxアルゴリズムは、度数加重ノルムにおいて、グラフサイズに依存しない定数時間の最悪実行時間を維持しており、大規模ネットワークへのスケーラビリティを保証している。
• 実世界のコミュニティ検出タスクにおいて、hk-relaxはPageRank（Amazon：0.415、DBLP：0.273）よりも顕著に高いF1スコア（Amazon：0.608、DBLP：0.364）を達成しており、より高い正確性と再現率を示している。
• 対称化されたTwitterネットワークでは、hk-relaxがすべてのコミュニティサイズにおいて一貫して小さく、よりタイトなコミュニティを特定し、導通性が低くなることが、散布図およびカーネル密度推定図から明らかになった。
• この手法はわずかに悪い導通性を示すが、はるかに優れたF1指標を達成しており、実世界のコミュニティの真の構造をPageRankよりもよく捉えていることが示唆される。
• アルゴリズムの決定的性質により、微細な拡散特性の比較が信頼性を持って可能となり、実験的評価ではヒートカーネル拡散がPageRankよりも集中性が高く、より正確なコミュニティを生成することが明らかになった。