[論文レビュー] Network Generation Model Based on Evolution Dynamics To Generate Benchmark Graphs

Muhammad Qasim Pasta, Faraz Zaidi|arXiv (Cornell University)|Jun 3, 2016

Complex Network Analysis Techniques参考文献 38被引用数 3

ひとこと要約

本論文は、進化ダイナミクスと調整可能なコミュニティ構造を統合したネットワーク生成モデルを提案し、コミュニティ検出アルゴリズムのための現実的なベンチマークグラフを生成する。実世界のネットワーク成長をシミュレートすることで、従来のモデルよりも検出アルゴリズムに大きな挑戦をもたらす、トポロジカルに複雑なネットワークを生成する。

ABSTRACT

Network generation models provide an understanding of the dynamics behind the formation and evolution of different networks including social networks, technological networks and biological networks. Two important applications of these models are to study the evolution dynamics of network formation and to generate benchmark networks with known community structures. Research has been conducted in both these directions relatively independent of the other application area. This creates a disjunct between real world networks and the networks generated to study community detection algorithms. In this paper, we propose to study both these application areas together i.e. introduce a network generation model based on evolution dynamics of real world networks and generate networks with community structures that can be used as benchmark graphs to study community detection algorithms. The generated networks possess tunable modular structures which can be used to generate networks with known community structures. We study the behaviour of different community detection algorithms based on the proposed model and compare it with other models to generate benchmark graphs. Results suggest that the networks generated using the proposed model present tougher challenges for community detection algorithms due to the topological structure introduced by evolution dynamics.

研究の動機と目的

• コミュニティ検出研究で用いられる合成ベンチマークネットワークと現実世界のネットワークダイナミクスの間の乖離を是正すること。
• ネットワークの進化を同時に捉えつつ、コミュニティ構造に対する正確な制御を可能にする統一モデルの開発。
• 既知で調整可能なモジュラー構造を持つベンチマークグラフを生成し、現実的なトポロジカルな条件下でコミュニティ検出アルゴリズムを評価すること。
• 合成ネットワークの現実性を向上させ、ソーシャルネットワークや生物学的システムなどの現実世界のネットワークの構造的複雑性をよりよく反映すること。

提案手法

• 実世界のネットワークで観察される進化ダイナミクス（例：優先的付加や局所的付加メカニズム）に基づいたネットワーク生成モデルの設計。
• 時間経過に伴い進化する動的プロセスを通じてコミュニティ形成を組み込み、成長則から自然にモジュラー構造が出現することを保証。
• 生成されたネットワーク内のコミュニティの数、サイズ、密度を制御するための調整可能なパラメータを導入。
• 実際のネットワークに特徴的な主要なトポロジカル特性（べき乗則の度数分布、クラスタリング係数など）を保持するよう設計。
• アルゴリズム評価のため、既知の真のコミュニティ構造を持つ複数のベンチマークグラフを生成。
• 実世界のネットワークや他の合成モデルと比較することで、モデルの現実性を検証。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク生成に進化ダイナミクスを統合することで、合成ベンチマークグラフの構造的複雑性にどのような影響を与えるか？
• RQ2 提案された進化ベースのモデルで生成されたネットワークに対して、コミュニティ検出アルゴリズムは従来のモデルと比較してどの程度困難さを感じるか？
• RQ3 提案されたモデルは、現実的なトポロジカル特徴を保持しつつ、調整可能なコミュニティ構造を持つネットワークを生成できるか？
• RQ4 進化ダイナミクスがもたらすトポロジカル特徴は、合成ネットワークにおけるコミュニティの検出可能性にどのように影響するか？

主な発見

• 提案されたモデルで生成されたネットワークは、進化駆動の構造的パターンにより、トポロジカルにより複雑であるため、コミュニティ検出アルゴリズムにとってより挑戦的である。
• コミュニティ検出アルゴリズムは、従来のベンチマークモデルよりも、提案されたモデルで生成されたネットワークに対して劣った性能を示す。これは、困難さの増加を示している。
• モデルは、現実のネットワークダイナミクスを反映する、既知で調整可能なコミュニティ構造を持つネットワークを効果的に生成できた。
• 生成されたネットワークは、度数分布やクラスタリング係数といった主要な現実世界ネットワークの特性を保持しており、ベンチマークとしての有効性が向上した。
• ネットワーク生成に進化ダイナミクスを統合することで、より現実的で多様なネットワークトポロジが得られ、厳密なアルゴリズムのテストに適している。