[論文レビュー] Maps of Information Flow Reveal Community Structure In Complex Networks

Martin Rosvall, Carl T. Bergstrom|arXiv (Cornell University)|Jul 4, 2007

Complex Network Analysis Techniques参考文献 5被引用数 146

ひとこと要約

本稿では、情報理論的手法を用いて重み付き・有向ネットワーク内のコミュニティ構造を解明する方法を提案する。情報フローの最適圧縮を基盤とし、6,000冊以上の学術雑誌の引用パターンに適用することで、コア分野間を往復する双方向的フローと、応用分野から基礎科学分野への方向的引用フローを有するマルチセンタリックな科学ネットワークが明らかになった。これは、知識システムのマルチパートナイト的・動的・統合的性質を示している。

ABSTRACT

To comprehend the multipartite organization of large-scale biological and social systems, we introduce a new information theoretic approach to reveal community structure in weighted and directed networks. The method decomposes a network into modules by optimally compressing a description of information flows on the network. The result is a map that both simplifies and highlights the regularities in the structure and their relationships. We illustrate the method by making a map of scientific communication as captured in the citation patterns of more than 6000 journals. We discover a multicentric organization with fields that vary dramatically in size and degree of integration into the network of science. Along the backbone of the network — including physics, chemistry, molecular biology, and medicine — information flows bidirectionally, but the map reveals a directional pattern of citation from the applied fields to the basic sciences. Biological and social systems are differentiated, multipartite, integrated, and dynamic. Data about these systems, now available on unprecedented scales, are often schematized as networks. Such abstractions are powerful (1, 2), but even as abstractions they remain highly complex. It is therefore helpful to decompose the myriad nodes and links into modules that

研究の動機と目的

• 大規模な生物学的・社会的システムのマルチパートナイト的・動的・統合的組織の理解を図ること。
• 情報フローの構造的規則性を明らかにすることで、複雑なネットワークの抽象化を簡素化する手法を開発すること。
• フロー記述の最適圧縮に基づき、意味のあるモジュールに重み付き・有向ネットワークを分解すること。
• 学術雑誌間の科学的コミュニケーションパターンをマッピングし、知識伝達における構造的・方向的パターンを解明すること。

提案手法

• 情報理論を用いて、ネットワーク内のノード間を流れる情報フローをモデル化し、フローを確率的信号として扱う。
• 最適圧縮の原則を適用して、観測されたフローの記述長を最小化するモジュラーなグループ化を同定する。
• 観測されたフロー分布とモデル化されたフロー分布のカルバック・ライブラー発散を最小化することで、ネットワークをモジュールに分解する。
• 高い確率で発生し、記述長が短いフローパターンを強調することで、構造的規則性を顕在化する。
• この手法を6,000冊以上の学術雑誌の引用データに適用し、科学のネットワークにおけるコミュニティ構造を推定する。
• モジュール間の非対称性と密度から、方向性と統合度が推定される。

実験結果

リサーチクエスチョン

• RQ1 複雑で重み付き・有向なネットワークにおけるコミュニティ構造は、どのように情報フローのパターンから明らかにできるか？
• RQ2 科学的引用ネットワークにおける情報フローを最適に圧縮した場合、どのような構造的規則性が出現するか？
• RQ3 科学のネットワーク全体において、科学分野のサイズと統合度はどのように変動するか？
• RQ4 応用科学分野と基礎科学分野の間には、どのような方向的知識フローが存在するか？
• RQ5 科学のネットワークは、どの程度マルチセンタリックでマルチパートナイト的なシステムとして組織されているか？

主な発見

• 科学のネットワークは、分野のサイズや統合度に大きなばらつきを示すマルチセンタリック構造を有している。
• 物理学、化学、分子生物学、医学といったコア分野は、双方向の情報フローを持つ基幹的役割を果たしている。
• 応用分野から基礎科学分野への一貫した方向的引用パターンが観察され、影響力の一方通行的流れが示唆される。
• この手法により、複雑なネットワーク抽象化が解釈可能なモジュールに簡略化され、構造的規則性が明確にされた。
• 生物学的・社会的システムが、動的かつ統合的で、マルチパートナイト的かつ情報フローの組織において特徴的であることが示された。
• 分解により、モジュール内での結束性と分野間の接続性が浮き彫りになり、情報圧縮がネットワーク解析において果たす役割が強調された。