[論文レビュー] Overlapping Community Detection in Bipartite Networks

Nan Du, Bin Wu+2 more|ArXiv.org|Apr 23, 2008

Complex Network Analysis Techniques参考文献 10被引用数 25

ひとこと要約

本稿では、コミュニティ数や初期分割に関する事前知識を必要とせずに、大規模でスパースな二部ネットワークにおける重複コミュニティの検出のための新規アルゴリズム、BiTectorを提案する。この手法はネットワークのトポロジーに依存して、実世界の二部システム（例えば、学術的共同研究、映画俳優ネットワーク、オリンピックメダルデータなど）における凝集的で重複するグループを同定し、多様な分野にわたり実証的検証を通じて高い有効性と頑健性を示している。

ABSTRACT

Recent researches have discovered that rich interactions among entities in nature and society bring about complex networks with community structures. Although the investigation of the community structures has promoted the development of many successful algorithms, most of them only find separated communities, while for the vast majority of real-world networks, communities actually overlap to some extent. Moreover, the vertices of networks can often belong to different domains as well. Therefore, in this paper, we propose a novel algorithm BiTector Bi-community De-tector) to efficiently mine overlapping communities in large-scale sparse bipartite networks. It only depends on the network topology, and does not require any priori knowledge about the number or the original partition of the network. We apply the algorithm to real-world data from different domains, showing that BiTector can successfully identifies the overlapping community structures of the bipartite networks.

研究の動機と目的

• 現実のネットワークにおいて非重複コミュニティを仮定する従来のコミュニティ検出手法の限界に対処すること。
• 二部ネットワークの1モード投影に内在する情報損失を克服すること。これは、共有ノードによって人工的な密集部分群を生成し、コミュニティ構造を歪めるためである。
• コミュニティ数や最小/最大サイズの閾値といったユーザー定義パラメータを必要とせず、元の二部ネットワーク構造上で直接重複コミュニティを発見できる効率的でトポロジーに依存するアルゴリズムを開発すること。
• 異なる分野にまたがる多様な実世界の二部ネットワークに対して本手法を検証し、実用的関連性と頑健性を確保すること。
• 発見されたコミュニティがドメイン固有の事実や直感的な期待に整合し、均質的で意味のあるものであることを示すこと。

提案手法

• BiTectorは、1モードへの投影を回避し、元の二部ネットワーク構造上で直接処理することで、真のネットワークトポロジーを保持する。
• アルゴリズムは、2種類のノード型（U および I）間の局所的接続パターンと共有近傍を分析することで、重複するコミュニティを同定する。
• 候補グループ内のエッジ密度と凝集性に基づいて、グリーディで反復的な拡張プロセスを用いてコミュニティを成長させる。
• コミュニティ境界は、内部エッジ密度を最大化するように決定され、ノードが複数のコミュニティに属するのを許容する。
• コミュニティ数や最小/最大サイズの閾値といったユーザー定義パラメータを必要としない。
• 発見されたコミュニティの均質性は、同サイズのランダム生成グループとの比較を通じて、実際のコミュニティのエッジ密度と照合して検証される。

実験結果

リサーチクエスチョン

• RQ1 1モードへの投影に依存せずに、二部ネットワークにおける重複コミュニティ構造を効果的に検出できるか？
• RQ2 BiTectorは、多様な実世界の二部ネットワークにおいて意味的で重複するコミュニティをどれほど効果的に同定できるか？
• RQ3 発見されたコミュニティが、学術的共同研究における研究分野やオリンピックにおける競技スポーツなど、既知の現実世界のグループ化をどの程度反映しているか？
• RQ4 BiTectorのコミュニティの均質性は、ランダムグループと比較してどの程度高いか？これにより構造的妥当性が示される。
• RQ5 BiTectorは、オリンピック競技における競争ダイナミクスの変化など、時間経過に伴うコミュニティの進化を追跡できるか？

主な発見

• BiTectorは、コミュニティ数や初期分割に関する事前知識なしに、大規模でスパースな二部ネットワークにおける重複コミュニティを効果的に同定できた。
• 実世界のデータセットにおいて、Barber や Guimerà、Lehmann の手法と比較して、実行時間とスケーラビリティの面で優れた性能を示した。
• オリンピック競技ネットワークでは、中国の跳水における優位性や米国の水泳における強さといった、実際の競技ダイナミクスを反映する一貫性のある進化するコミュニティが明らかになった。
• 均質性テストの結果、実際のコミュニティの内部エッジ密度（n<real>/n<rand> > 1）がランダムグループよりも顕著に高く、構造的妥当性が確認された。
• BiTectorは、1984年から2004年までの女子10mプラットフォーム跳水における中国と米国の継続的で激しいライバル関係を検出できた。
• 1モードへの投影に起因する情報損失を回避し、真のスパース構造を保持し、共有近傍によって生じる人工的なクリークを避けることができた。