[論文レビュー] Ranking the Importance of Nodes of Complex Networks by the Equivalence Classes Approach

Bojin Zheng, Deyi Li+3 more|arXiv (Cornell University)|Nov 23, 2012

Complex Network Analysis Techniques参考文献 39被引用数 6

ひとこと要約

本論文は、PageRank や HITS などの既存指標の間の矛盾を解消するために、4つの直感的なルールと同値クラスを用いた、公平性を重視した複雑ネットワークにおけるノード重要度順序付けのフレームワークを提案する。この手法により、バイアスのない階層的ノード順序が特定され、PageRank や HITS が優れた性能を示す一方で、それぞれに体系的なバイアスが存在することが明らかになった—PageRank は次数の高いノードを好むのに対し、HITS は多くの良好に接続された近隣を持つノードを好む。また、インターネット構造に密度の高いリッチ・クラブ的コアが存在することが示された。

ABSTRACT

Identifying the importance of nodes of complex networks is of interest to the research of Social Networks, Biological Networks etc.. Current researchers have proposed several measures or algorithms, such as betweenness, PageRank and HITS etc., to identify the node importance. However, these measures are based on different aspects of properties of nodes, and often conflict with the others. A reasonable, fair standard is needed for evaluating and comparing these algorithms. This paper develops a framework as the standard for ranking the importance of nodes. Four intuitive rules are suggested to measure the node importance, and the equivalence classes approach is employed to resolve the conflicts and aggregate the results of the rules. To quantitatively compare the algorithms, the performance indicators are also proposed based on a similarity measure. Three widely used real-world networks are used as the test-beds. The experimental results illustrate the feasibility of this framework and show that both algorithms, PageRank and HITS, perform well with bias when dealing with the tested networks. Furthermore, this paper uses the proposed approach to analyze the structure of the Internet, and draws out the kernel of the Internet with dense links.

研究の動機と目的

• 既存指標に内在するバイアスを回避する、公平でコンSENSUSに基づく複雑ネットワークにおけるノード重要度評価基準を確立すること。
• 複数の、しばしば矛盾するノード重要度指標の間の矛盾を、数学的に整合性のあるフレームワークを用いて統合することで解消すること。
• 単一の指標が順位付けプロセスを支配しないように保証する同値クラスを用いたベンチマークフレームワークを提案すること。
• 本フレームワークを用いて実世界のネットワーク（特にインターネット）を分析し、リッチ・クラブ現象や密度の高いコア部分ネットワークといった構造的特徴を解明すること。
• 広く用いられるアルゴリズム（PageRank や HITS）が、万能なベンチマークとしての信頼性に影響を及ぼす内在的バイアスが存在することを示すこと。

提案手法

• フレームワークは、ノード重要度のための4つの直感的なルールを定義する：次数中心性、近接中心性、権威/ハブスコア（HITS）、およびPageRankに類似した反復的スコアリング。
• 各ルールはノード間の優位関係を定義し、ネットワーク全体に部分順序を形成する。
• 同値クラスアプローチを用いて、同一の優位状態を持つノードをグループ化し、各クラスが順位レベルを表す階層を構築する。
• 最初の同値クラスに属するノードが最も重要（「スカイライン」または「パレートフロント」）であり、上位のクラスは徐々に重要度が低いノードを表す。
• 異なるアルゴリズムの性能を、同値クラスに基づく順位付けと定量的に比較するために類似度測度が用いられる。
• 本フレームワークは、代謝ネットワーク、社会的ネットワーク、およびインターネットの3つの実世界ネットワークで検証された。BGPデータを用いてインターネットのトポロジーを再構築した。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、特定の指標に偏らない公平で一貫性のある複雑ネットワークにおけるノード重要度順位付け基準を定義できるか？
• RQ2 同じネットワークのノードを順位付けする際、PageRank や HITS といった確立されたアルゴリズムどうしが、どの程度互いに矛盾するのか？
• RQ3 同値クラスアプローチは、特定の指標を優遇することなく、複数のノード重要度指標の間の矛盾を効果的に解消できるか？
• RQ4 本フレームワークを実世界のネットワーク（例：インターネット）に適用した際、密度の高いコアやリッチ・クラブ現象といった構造的特徴がどのように顕在するか？
• RQ5 PageRank や HITS のバイアスは、ノード重要度評価におけるベンチマークとしての性能にどのように影響を及ぼすか？

主な発見

• PageRank と HITS はともに重要なノードを効果的に特定するが、それぞれに明確なバイアスが存在する：PageRank は次数の高いノードを好むのに対し、HITS は多くの良好に接続された近隣を持つノードを好む。
• 代謝ネットワークでは、PageRank は次数バイアスのため、わずかなノードをより重要と誤って順位付けしており、HITS は近隣接続性の高いノードにバイアスを示している。
• インターネットネットワークには、平均次数が2.11（ネットワーク全体の平均）よりも顕著に高い31.04を示す71のハブノードからなる密度の高いコア部分ネットワークが存在し、リッチ・クラブ構造が確認された。
• インターネットの上位10個の同値クラスには、71ノード間に1102本のエッジが存在し、非常に密に接続されたコアが形成されており、視覚的にリッチ・クラブ現象を確認できる。
• 同値クラスフレームワークは、インターネットに階層的構造が存在することを効果的に明らかにした。特に、最も重要なノードが完全またはほぼ完全な部分グラフを形成している。
• 本フレームワークは、ノード順位付けアルゴリズムの評価に耐えうる、強固でバイアスのないベンチマークを提供でき、有向および重み付きネットワークへの応用も可能である。