[論文レビュー] Using Triangles to Improve Community Detection in Directed Networks

Christine Klymko, David F. Gleich+1 more|arXiv (Cornell University)|Apr 23, 2014

Complex Network Analysis Techniques参考文献 28被引用数 50

ひとこと要約

この論文は、有向ネットワークにおけるコミュニティ検出を向上させるために、有向3サイクル（三角形）の存在を活用する新しいエッジ重み付け方式を提案する。有向グラフを三角形参加に基づいて重み付き無向グラフに変換することで、パーティショニング時の3サイクルのカット数を顕著に削減する——非重み付き手法と比較して最大50%の削減を達成する——一方で、既存のコミュニティ検出性能は維持する。

ABSTRACT

In a graph, a community may be loosely defined as a group of nodes that are more closely connected to one another than to the rest of the graph. While there are a variety of metrics that can be used to specify the quality of a given community, one common theme is that flows tend to stay within communities. Hence, we expect cycles to play an important role in community detection. For undirected graphs, the importance of triangles -- an undirected 3-cycle -- has been known for a long time and can be used to improve community detection. In directed graphs, the situation is more nuanced. The smallest cycle is simply two nodes with a reciprocal connection, and using information about reciprocation has proven to improve community detection. Our new idea is based on the four types of directed triangles that contain cycles. To identify communities in directed networks, then, we propose an undirected edge-weighting scheme based on the type of the directed triangles in which edges are involved. We also propose a new metric on quality of the communities that is based on the number of 3-cycles that are split across communities. To demonstrate the impact of our new weighting, we use the standard METIS graph partitioning tool to determine communities and show experimentally that the resulting communities result in fewer 3-cycles being cut. The magnitude of the effect varies between a 10 and 50% reduction, and we also find evidence that this weighting scheme improves a task where plausible ground-truth communities are known.

研究の動機と目的

• 有向三角形からの構造的情報を組み込むことで、有向ネットワークにおけるコミュニティ検出を改善すること。
• 既存の手法がコミュニティ割り当てにおいて方向性の流れやサイクル構造を無視するという限界を是正すること。
• 標準的な無向コミュニティ検出ツールに簡単に統合できるシンプルで即時利用可能な重み付け方式を開発すること。
• コミュニティが有向3サイクルをどれだけ保っているかを評価する新しい品質指標「3サイクルカット比」を導入すること。
• 実世界のコミュニティ構造が既知のネットワークを用いて検証し、真のコミュニティとの整合性が向上することを示すこと。

提案手法

• 有向ネットワークを、エッジが有向3サイクル（長さ3の閉路）に参加する度合いに基づいて重みを付与することで、重み付き無向グラフに変換する。
• 4種類の有向三角形が3サイクルを含み、これらを基にエッジの重みを定義する；これらの三角形に属するエッジは高い重みが付与される。
• コミュニティの凝集性をさらに高めるために、相互エッジ（レシプロシティ）を二次的な重み付け要因として組み込む。
• 標準的な無向コミュニティ検出ツール（例：METIS）を重み付き無向グラフに適用してコミュニティを同定する。
• パーティショニング後の3サイクルがコミュニティ間で分割される割合を定量化するための新しい指標「3サイクルカット比」を導入する。
• 合成ネットワークおよび真のコミュニティ基準を用いて、実世界のネットワークでこの手法を評価する。

実験結果

リサーチクエスチョン

• RQ1 有向三角形構造をエッジ重みに組み込むことで、有向ネットワークにおけるコミュニティ検出が向上するか？
• RQ2 三角形に基づく重み付けは、非重み付きまたはレシプロシティのみの重み付けと比較して、3サイクルのカット数をどれほど削減できるか？
• RQ3 提案手法は、実世界のネットワークにおいて真のコミュニティとの整合性を向上させるか？
• RQ4 3サイクルカット比は、有向コミュニティ検出の評価に意味のある指標としてどれほど有効か？
• RQ5 この重み付け方式を介して、既存の無向コミュニティ検出ツールを有向ネットワークに効果的に再利用できるか？

主な発見

• ウェブ-ノートルダムネットワークにおいて、3サイクルベースの重み付け方式は非重み付きケースと比較して、3サイクルカット比を最大80%まで削減した。
• ほとんどのネットワークにおいて、3サイクルカット数は10%から50%削減され、8つのテストケースのうち数例を除き、顕著な改善が確認された。
• 8つのネットワークのうち4つ（C elegans, web-BerkStan, web-NotreDame, wiki-Vote）において、非重み付きベースラインと比較して、より多くの相互エッジが保持された。
• 25個のコミュニティを含むウィキペディアデータセットでは、3サイクル重み付けにより、コミュニティ内エッジのカット割合が非重み付きベースラインと比較して5%低下した。
• 相互エッジ重み付け方式のみでは、大多数のネットワークで3サイクルカット比が上昇したため、3サイクルベースの重み付けに比べて効果が劣ることが示された。
• 従来の指標（例：モジュラリティ）に変更を加えずに、真のコミュニティ検出タスクで性能向上を達成したため、既存のフレームワークと互換性があることが示された。