[論文レビュー] The Interplay Between Dynamics and Networks: Centrality, Communities, and Cheeger Inequality

Rumi Ghosh, Kristina Lerman+2 more|arXiv (Cornell University)|Jun 12, 2014

Complex Network Analysis Techniques参考文献 21被引用数 26

ひとこと要約

本論文は、ネットワーク上の動的プロセス（例：ランダムウォークや疫病伝播）を統一する一般化されたラプラシアンフレームワークを導入し、頂点の中心性およびコミュニティ構造の体系的分析を可能にする。このフレームワークは、これらの一般化された動的プロセスにチェーファーの不等式を拡張し、コミュニティの導通性に類する品質指標が動的作用素のスペクトル的性質と関連することを示しており、多様なネットワークタイプにおける効率的なコミュニティ検出に応用可能である。

ABSTRACT

We study the interplay between a dynamic process and the structure of the network on which it is defined. Specifically, we examine the impact of this interaction on the quality-measure of network clusters and node centrality. This enables us to effectively identify network communities and important nodes participating in the dynamics. As the first step towards this objective, we introduce an umbrella framework for defining and characterizing an ensemble of dynamic processes on a network. This framework generalizes the traditional Laplacian framework to continuous-time biased random walks and also allows us to model some epidemic processes over a network. For each dynamic process in our framework, we can define a function that measures the quality of every subset of nodes as a potential cluster (or community) with respect to this process on a given network. This subset-quality function generalizes the traditional conductance measure for graph partitioning. We partially justify our choice of the quality function by showing that the classic Cheeger's inequality, which relates the conductance of the best cluster in a network with a spectral quantity of its Laplacian matrix, can be extended from the Laplacian-conductance setting to this more general setting.

研究の動機と目的

• ランダムウォーク、疫病伝播、情報拡散などの多様な動的プロセスを、一つの数学的枠組みで統一すること。
• 静的ネットワーク構造に依存するのではなく、特定の動的プロセスにおける頂点の参加度を反映する一般化された中心性測度を定義すること。
• 動的プロセスに依存する一般化されたコミュニティ品質指標（導通性に類するもの）を定義し、動的プロセスに適応したコミュニティ検出を可能にすること。
• 伝統的なラプラシアン作用素に限らない一般化されたラプラシアン作用素に対し、チェーファーの不等式を拡張し、スペクトル的性質とコミュニティ品質を結びつけること。
• 異なる動的プロセスがどのように異なるネットワーク構造（例：コア・ホイッスカータイプ vs. パowerグリッド型）を明らかにするかを体系的に比較するためのツールを提供すること。

提案手法

• 任意のバイアスと遅延を持つ動的プロセスをモデル化できる、従来の正規化ラプラシアンを拡張した一般化ラプラシアンフレームワークを提案する。
• 動的プロセスの定常分布として一般化中心性測度を定義し、そのプロセス下での頂点の重要性を捉える。
• ランダムウォークの伝統的導通性を一般化した、部分集合をコミュニティとして評価する一般化導通関数を導入する。
• 最良のコミュニティの一般化導通性と、一般化ラプラシアンの2番目に小さい固有値を結ぶ、チェーファーに類似した不等式を導出する。
• 一般化固有ベクトルのスイープ操作に基づく、グローバルコミュニティ検出のための効率的アルゴリズム（アルゴリズム1）を開発する。
• 4つの動的プロセス（正規化ラプラシアン、通常ラプラシアン、リプレカレータ、アンバイアスドラプラシアン）を用いて、実際のネットワーク（例：パワーグリッド、ソーシャルネットワーク）にフレームワークを適用する。

実験結果

リサーチクエスチョン

• RQ1 ランダムウォークや疫病伝播などの動的プロセスが、ネットワーク解析のための単一の数学的枠組みに正式に統合可能か。
• RQ2 同じネットワーク内において、異なる動的プロセスが中心性およびコミュニティ構造にどの程度異なる影響を及えるか。
• RQ3 チェーファーの不等式は、非伝統的動的プロセスを表す一般化ラプラシアン作用素に対しても拡張可能か。
• RQ4 異なるトポロジー（例：コア・ホイッスカータイプ vs. パワーグリッド型）を持つネットワークにおいて、動的プロセスの選択が検出されたコミュニティの品質とバランスにどのように影響するか。
• RQ5 一般化フレームワークは、理論的保証を伴う効率的かつスケーラブルなコミュニティ検出アルゴリズムをサポートできるか。

主な発見

• 一般化ラプラシアンフレームワークは、ランダムウォーク、疫病伝播、およびアンバイアスドラプラシアンのような新しい作用素を含む、多様な動的プロセスを、一つの数学的モデルで成功裏に統一した。
• 一般化導通性測度は、伝統的導通性を拡張し、チェーファーに類似した不等式によりスペクトルギャップと関連づけられ、コミュニティ品質の理論的裏付けを提供する。
• 異なる動的プロセスは、異なるコミュニティ構造を生み出す：例えば、リプレカレータプロセスは、コアの直接接続を持たないパワーグリッドでは性能が著しく劣り、一方正規化および通常ラプラシアンはバランスの取れたコミュニティを生成する。
• ラプラシアンとアンバイアスドラプラシアンは、共通のボリューム測度を共有しており、コミュニティ分割がほとんど同一であり、カットサイズの違いに起因する境界定義のわずかな差異を除いては類似している。
• 正規化ラプラシアンは、パワーグリッドにおいてはボリュームの不均衡を犠牲にしてカットサイズを小さくするが、シアンクラスタの平均次数が高いため、その欠陥を相殺する。
• アルゴリズム1は、異なる動的プロセスにおいてコミュニティを効果的に可視化および検出でき、スイーププロファイルおよび可視化により、ファットテール型中心性分布や負の次数相関性といった構造的差異が明らかになった。