[論文レビュー] Overlapping Communities in Social Networks

Jan Dreier, Philipp Kuinke+4 more|arXiv (Cornell University)|Dec 16, 2014

Complex Network Analysis Techniques参考文献 22被引用数 5

ひとこと要約

本稿では、ソーシャルネットワークにおける非重複および重複コミュニティの検出のため、シンプルな半教師付きランダムウォークアルゴリズムを提案する。ユーザーがラベルを付与した少数のシードノードを入力とすると、この手法はランダムウォークを用いてコミュニティ所属を伝搬させ、近似的に線形時間計算量 $O(k \times m \times \log n)$ を達成し、LFRベンチマークにおいて、コミュニティ1つあたり6–8%のシードノードで、最先端のアルゴリズムを上回る性能を発揮する。

ABSTRACT

Complex networks can be typically broken down into groups or modules. Discovering this "community structure" is an important step in studying the large-scale structure of networks. Many algorithms have been proposed for community detection and benchmarks have been created to evaluate their performance. Typically algorithms for community detection either partition the graph (non-overlapping communities) or find node covers (overlapping communities). In this paper, we propose a particularly simple semi-supervised learning algorithm for finding out communities. In essence, given the community information of a small number of "seed nodes", the method uses random walks from the seed nodes to uncover the community information of the whole network. The algorithm runs in time $O(k \cdot m \cdot \log n)$, where $m$ is the number of edges; $n$ the number of links; and $k$ the number of communities in the network. In sparse networks with $m = O(n)$ and a constant number of communities, this running time is almost linear in the size of the network. Another important feature of our algorithm is that it can be used for either non-overlapping or overlapping communities. We test our algorithm using the LFR benchmark created by Lancichinetti, Fortunato, and Radicchi specifically for the purpose of evaluating such algorithms. Our algorithm can compete with the best of algorithms for both non-overlapping and overlapping communities as found in the comprehensive study of Lancichinetti and Fortunato.

研究の動機と目的

• 既存のコミュニティ検出アルゴリズムが、処理が遅い、あるいは重複コミュニティを効果的に扱えないという限界を解消すること。
• ユーザーの知識を少数のラベル付きシードノードとして統合し、実用的でインタラクティブな方法でコミュニティ検出をガイドすること。
• スパースネットワークでも効率的に動作するスケーラブルなアルゴリズムを設計し、非重複および重複の両方のコミュニティ構造をサポートすること。
• コミュニティ検出アルゴリズムの標準的なテストベッドであるLFRベンチマークを用いて、性能を評価し、競争力のある結果を示すこと。

提案手法

• アルゴリズムは、ユーザーがラベルを付与した少数のシードノードから始めるランダムウォークを用いて、ネットワーク全体にわたるコミュニティ所属を伝搬させる。
• ランダムウォークの吸収確率から導かれる一次方程式系としてコミュニティ所属をモデル化し、スパース直接解法（コレスキー分解）を用いて解く。
• 各ノードについて複数のコミュニティへのアフィニティスコアを計算することで、非重複および重複コミュニティの両方をサポートする。
• 反復的リファインメントステップにより、更新されたアフィニティスコアに基づいてノードを再分類することで、NMIの正確性を向上させる。
• スパース線形方程式系の解法にC++のEigenライブラリを用い、時間計算量は $O(k \times m \times \log n)$ である。
• ロバストネスをテストするため、混合要因と重複率を変化させたLFRベンチマークを用いて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 シンプルな半教師付きランダムウォークアルゴリズムは、非重複および重複コミュニティの両方の検出において、競争力のある性能を達成できるか？
• RQ2 シードノードの割合とネットワークの混合要因に応じて、アルゴリズムの性能はどのように変化するか？
• RQ3 反復的リファインメントは、コミュニティ検出の正確性をどの程度向上させるか？
• RQ4 Cfinderなどの最先端の手法と比較して、正確性とスケーラビリティの面で、本手法はどのように差をつけるか？

主な発見

• LFRベンチマークにおいて、本アルゴリズムは競争力のある性能を発揮し、重複コミュニティの検出において、重複率が0.4までCfinderを上回る。
• 非重複ケースでは、コミュニティ1つあたり6%のシードノードで高い正確性を達成でき、混合要因が0.5まで耐えられる。
• 重複コミュニティの場合、コミュニティ1つあたり約8%のシードノードを必要とし、混合要因が0.3まで、重複率が20%まで良好に動作する。
• 反復的リファインメントによりNMIが最大10%向上し、計算コストの大幅な増加なしに段階的な正確性向上が確認された。
• アルゴリズムは近似的に線形時間 $O(k \times m \times \log n)$ で実行され、$m = O(n)$ であるスパースネットワークにおいて効率的である。
• 現在の実装ではコレスキー分解に依存している（大規模ネットワークでは高コスト）が、将来、スピルマン＝テンのSDDソルバーや高速な代替ソルバーとの統合により、より大規模な実世界ネットワークへのスケーラビリティが可能になる。