[論文レビュー] Topological Features of Online Social Networks

Emilio Ferrara, Giacomo Fiumara|arXiv (Cornell University)|Feb 2, 2012

Complex Network Analysis Techniques参考文献 26被引用数 11

ひとこと要約

この論文は、グラフ理論および社会的ネットワーク分析を用いて、Facebook、Wikipedia、YouTube、arXivなどの主要なオンラインソーシャルネットワークのトポロジカル特徴を分析する。3つの主要なモデル—Erdős-Rényiのランダムグラフ、Watts-Strogatzのスモールワールド、Barabási-Albertのスケールフリーネットワーク—を評価し、小規模世界効果、スケールフリーディグリーディストリビューション、コミュニティ構造という3つのコア特徴を同時に完全に捉えるモデルは存在しないことが判明した。研究では、これらのネットワークにおけるコミュニティが、大多数が小さく、少数が大きなサイズを持つべきべき分布に従うことが明らかになり、コミュニティ検出における解像度効果による既存モデルの限界が特定された。

ABSTRACT

The importance of modeling and analyzing Social Networks is a consequence of the success of Online Social Networks during last years. Several models of networks have been proposed, reflecting the different characteristics of Social Networks. Some of them fit better to model specific phenomena, such as the growth and the evolution of the Social Networks; others are more appropriate to capture the topological characteristics of the networks. Because these networks show unique and different properties and features, in this work we describe and exploit several models in order to capture the structure of popular Online Social Networks, such as Arxiv, Facebook, Wikipedia and YouTube. Our experimentation aims at verifying the structural characteristics of these networks, in order to understand what model better depicts their structure, and to analyze the inner community structure, to illustrate how members of these Online Social Networks interact and group together into smaller communities.

研究の動機と目的

• Facebook、Wikipedia、YouTube、arXivのような大規模オンラインソーシャルネットワークのトポロジカル構造を調査すること。
• Erdős-Rényi、Watts-Strogatz、Barabási-Albertという3つの主要なネットワークモデルが、オンラインソーシャルネットワークのキーパラメータ構造特徴をどの程度適切に表現できるかを評価すること。
• 実世界のOSNにおける「スモールワールド効果」、スケールフリー度数分布、コミュニティ構造を最もよく捉えられるモデルを特定すること。
• モジュラリティ最大化を用いてコミュニティ構造を分析し、コミュニティ検出における解像度限界の影響を評価すること。
• 3つのコアトポロジカル特徴（スモールワールド、スケールフリー、コミュニティ構造）を同時に忠実に再現できる新しい生成モデルの基盤を提案すること。

提案手法

• Arxiv、Facebook、Wikipedia、YouTube、引用ネットワーク、メールネットワークから得た実世界のデータセットを用いて、ネットワークグラフを構築する。
• 直径、度数分布、クラスタリング係数といった標準的なネットワーク指標を用いて、トポロジカル特徴を特徴付ける。
• コミュニティ検出にはLouvainアルゴリズムを適用し、モジュラリティ最大化によってネットワークのパーティションを特定する。
• コミュニティサイズ分布へのべき乗則フィッティングを適用し、異なるサイズのコミュニティの頻度をモデル化する。
• Louvain法の解像度限界を評価し、特に大規模ネットワークにおいてコミュニティ検出に偏りが生じる可能性を検証する。
• 理論的モデルと実際のネットワークデータの間で比較分析を行い、構造的性質を再現する忠実度を評価する。

実験結果

リサーチクエスチョン

• RQ1 Erdős-Rényi、Watts-Strogatz、Barabási-Albertという3つの古典的ネットワークモデルの中で、オンラインソーシャルネットワークの統合的トポロジカル特徴を最もよく捉えられるのはどれか？
• RQ2 実際のオンラインソーシャルネットワークはどの程度、「スモールワールド効果」、スケールフリー度数分布、コミュニティ構造を示すか？
• RQ3 オンラインソーシャルネットワークにおけるコミュニティサイズ分布は、どの程度べき乗則分布に従うか？
• RQ4 コミュニティ検出アルゴリズムの解像度限界が、大規模ネットワークの分析に与える影響は何か？
• RQ5 既存のモデルは、スモールワールド効果、スケールフリー、コミュニティ構造という3つのコア構造的特徴を同時に忠実に再現できるか？

主な発見

• Barabási-Albertモデルは、特に共同作業ネットワークや引用ネットワークにおいて、オンラインソーシャルネットワークで観察されるスケールフリー度数分布を最もよく再現する。
• Watts-Strogatzモデルは、Facebook や YouTube のようなネットワークで、短い平均パス長と高いクラスタリング係数という特徴を持つスモールワールド効果を効果的に再現する。
• 解析されたすべてのネットワークにおいて、コミュニティサイズ分布は指数σが1.4から1.5のべき乗則に従い、小さなコミュニティの高頻度と、大きなコミュニティの重い尾部（long tail）を示している。
• Louvain法の解像度限界により、2つのデータセット（9–10）ではコミュニティ検出にバイアスが生じ、最終的なコミュニティ構造分析から除外された。
• Facebook や科学的共同作業ネットワークのような大規模オンラインコミュニティは、高いモジュラリティ（Q）を示しており、密で明確なコミュニティ構造が確認された。
• 引用ネットワークとメールネットワークは、大きなコミュニティが多数存在し、べき乗則分布の長い尾部を形成しており、学術的および組織的ネットワークにおける中心的ハブの存在を反映している。