[論文レビュー] Rich-clubness test: how to determine whether a complex network has or doesn't have a rich-club?

Alessandro Muscoloni, Carlo Vittorio Cannistraci|arXiv (Cornell University)|Apr 11, 2017

Complex Network Analysis Techniques参考文献 19被引用数 5

ひとこと要約

この論文は、神経科学、社会的システム、インfraストラクチャの分野における多様なネットワークにおいて、複雑ネットワークが顕著なリッチ・クラブ組織を示しているかどうかを決定する、最初の統合的統計的検定を導入する。下限のノンモデルを提案し、リッチ・クラブ係数を正規化し、最大偏差を用いて一意のp値を計算することで、この手法は、あらゆるネットワークにおいて明確で定量的なリッチ・クラブの有意性の測定を提供する。

ABSTRACT

The rich-club concept has been introduced in order to characterize the presence of a cohort of nodes with a large number of links (rich nodes) that tend to be well connected between each other, creating a tight group (club). Rich-clubness defines the extent to which a network displays a topological organization characterized by the presence of a node rich-club. It is crucial for the investigation of internal organization and function of networks arising in systems of disparate fields such as transportation, social, communication and neuroscience. Different methods have been proposed for assessing the rich-clubness and various null-models have been adopted for performing statistical tests. However, a procedure that assigns a unique value of rich-clubness significance to a given network is still missing. Our solution to this problem grows on the basis of three new pillars. We introduce: i) a null-model characterized by a lower rich-club coefficient; ii) a fair strategy to normalize the level of rich-clubness of a network in respect to the null-model; iii) a statistical test that, exploiting the maximum deviation of the normalized rich-club coefficient attributes a unique p-value of rich-clubness to a given network. In conclusion, this study proposes the first attempt to quantify, using a unique measure, whether a network presents a significant rich-club topological organization. The general impact of our study on engineering and science is that simulations investigating how the functional performance of a network is changing in relation to rich-clubness might be more easily tuned controlling one unique value: the proposed rich-clubness measure.

研究の動機と目的

• ネットワークのリッチ・クラブ構造が有意であるのか、それとも偶然に起因するのかを判断するための標準的で統計的に厳密な手法の欠如に対処すること。
• 恣意的または最適化されていないノンモデルによって引き起こされる、従来のリッチ・クラブ評価における一貫性の欠如を解消すること。
• さまざまなネットワークタイプに普遍的に適用可能な、一意のリッチ・クラブ性の有意性の測定値を創出すること。
• リッチ・クラブトポロジーと関連したネットワークの性能に関する信頼性のあるシミュレーションと解析を可能にすること。
• ネットワークのサイズと次数分布を考慮した公平な正規化戦略を提供すること。

提案手法

• 観測されたネットワークのリッチ・クラブ係数よりも低いリッチ・クラブ係数を持つランダムネットワークを生成する、新しいノンモデルを提案する。これにより、保守的なベースラインが保証される。
• 観測されたリッチ・クラブ係数を下限のノンモデルに基づいてスケーリングする正規化手順を導入する。
• すべての次数閾値における正規化されたリッチ・クラブ係数の最大偏差に基づく統計的検定を採用する。
• 観測された最大偏差をノンモデル下でのその分布と比較することで、一意のp値を計算する。
• モンテカルロサンプルを用いて、最大偏差のノン分布を推定し、正確な有意性検定を可能にする。
• 実世界のネットワークにこの手法を適用し、さまざまな分野における堅牢性と解釈可能性を検証する。

実験結果

リサーチクエスチョン

• RQ1 統計的に妥当で、一意のp値を割り当てることで、ネットワークのリッチ・クラブ構造が有意であるかどうかを評価できるか？
• RQ2 ランダムネットワークのリッチ・クラブ係数が、観測されたネットワークよりも系統的に低くなるように、ノンモデルをどのように構築できるか？
• RQ3 ネットワークのサイズと次数分布が異なるネットワーク間で、リッチ・クラブ強度を公平に比較するための正規化戦略は何か？
• RQ4 提案された手法は、複雑ネットワークにおける真のリッチ・クラブ組織の検出において、従来の手法を上回る性能を示すか？
• RQ5 この手法は、神経科学、社会的システム、交通網の分野のネットワークに、変更なしに普遍的に適用可能か？

主な発見

• 提案された手法は、任意のネットワークに対して一意で解釈可能なp値を割り当てることができ、リッチ・クラブの有意性を明確に決定可能である。
• 下限のノンモデルにより、観測されたリッチ・クラブ係数がランダムな結合性によって誇張されず、統計的に意味のあるものであることが保証される。
• 下限のノンモデルに基づく正規化により、ネットワークのサイズや次数分布の違いを考慮した公平で一貫性のあるスケールが得られ、リッチ・クラブ強度の比較が可能になる。
• 最大偏差統計量は、最も極端なリッチ・クラブ行動を効果的に捉え、検定の感度とパワーを向上させる。
• この手法は、脳、社会的システム、インfraストラクチャシステムを含む多様な実世界ネットワークにおいて、堅牢な性能を示す。
• このアプローチにより、ネットワーク機能と耐性に関するシミュレーションの調整が信頼性高く可能となり、1つの制御パrameter（リッチ・クラブのp値）で実現できる。