[論文レビュー] Vital Spreaders Identification in Complex Networks with Multi-Local Dimension

Tao Wen, Danilo Pelusi+1 more|arXiv (Cornell University)|Sep 30, 2019

Complex Network Analysis Techniques参考文献 62被引用数 4

ひとこと要約

本稿では、複雑ネットワークのフラクタル性を基にした、従来の手法よりも効果的に重要な拡散者を特定できる新しい中心性測度であるMulti-Local Dimension (MLD) を提案する。$q$ という調整可能な重みパラメータを用いたボックスカバーイング手法を活用することで、MLD は局所的情報次元およびその変種を一般化し、特に従来の中心性測度が高コスト計算や低次数だが高い影響力を持つノードの順位付けに失敗するような状況においても、実世界のネットワークにおいて優れた性能を発揮する。

ABSTRACT

The important nodes identification has been an interesting problem in this issue. Several centrality measures have been proposed to solve this problem, but most of previous methods have their own limitations. To address this problem more effectively, multi-local dimension (MLD) which is based on the fractal property is proposed to identify the vital spreaders in this paper. This proposed method considers the information contained in the box and $q$ plays a weighting coefficient for this partition information. MLD would have different expressions with different value of $q$, and it would degenerate to local information dimension and variant of local dimension when $q = 1$ when $q = 0$ respectively, both of which have been effective identification method for influential nodes. Thus, MLD would be a more general method which can degenerate to some exiting centrality measures. In addition, different with classical methods, the node with low MLD would be more important in the network. Some comparison methods and real-world complex networks are applied in this paper to show the effectiveness and reasonableness of this proposed method. The experiment results show the superiority of this proposed method.

研究の動機と目的

• 複雑ネットワークにおける重要な拡散者の特定において、従来の中心性測度の限界（計算コストの高さ、非連結ネットワークでの性能の悪化、低次数の影響力を持つノードの順位付け不能）を解消すること。
• 複雑ネットワークのフラクタル性および自己同一性の性質を活用し、より強固で一般化可能な中心性測度を構築すること。
• パrameter $q$ を調整することで、既知の手法（例：局所的情報次元、変種局所次元）に退化可能な統一的フレームワークを提案することにより、柔軟性と解釈可能性を向上させること。
• ノードに一意で非一様な値を割り当てることで、同じ次数や媒介性を持つノード間の順位が同一になる問題を回避し、ノード順位の正確性を向上させること。

提案手法

• 各ノードを中心とする拡大するボックスを用いたボックスカバーイング手法を採用し、ボックスサイズを1から中心ノードからの最短距離の最大値まで増加させる。
• 各ボックス内に含まれるノード数を局所的情報として定量的に評価し、異なるボックスサイズにおける情報の寄与度を調整するための重み係数 $q$ を導入する。
• MLD は $q$ を含む一般化された式として計算され、$q=1$ の場合に局所的情報次元、$q=0$ の場合に局所次元の変種に退化する。
• MLD 値が低いノードがより影響力の高い拡散者とみなされるという逆関係に基づいてノードの重要性を評価する。
• 感染拡散ダイナミクスを模擬するため、Susceptible-Infected (SI) モデルを用い、感染ノード数 $F(t)$ を性能指標として評価する。
• 実世界のネットワーク（Karate、Jazz、USAir、U.S. Political Blogs ネットワークなど）において、Degree Centrality (DC)、Closeness Centrality (CC) などのベンチマークと比較して検証する。

実験結果

リサーチクエスチョン

• RQ1 フラクタル性に基づく中心性測度は、従来の中心性測度に比べて、複雑ネットワークにおける重要な拡散者の特定において優れた性能を示すか？
• RQ2 提案されたMulti-Local Dimension (MLD) 法は、パrameter $q$ を用いて、既存の局所次元に基づくアプローチをどの程度一般化できるか？
• RQ3 スケールフリーや不均一構造を示すネットワークにおいて、MLD は Degree Centrality (DC) や Closeness Centrality (CC) に比べてノード順位の正確性をどの程度向上させるか？
• RQ4 MLD は、次数や媒介性中心性では捉えきれない、特に低次数だが高い拡散影響力を持つノードを効果的に特定できるか？
• RQ5 MLD による順位付けは、SI モデルにおける感染ノード数 $F(t)$ で測定される実際の拡散ダイナミクスとどの程度相関しているか？

主な発見

• Karaté クラブネットワークでは、MLD が Closeness Centrality (CC) よりも優れた性能を示し、特に感染拡大の初期および中間段階において、$F(t)$ がより高い値を示した。
• Jazz ネットワークでは、すべての時間ステップにおいて MLD が CC よりも高い $F(t)$ を達成し、拡散ダイナミクスにおける一貫した優位性を示した。
• USAir ネットワークでは、MLD が CC より顕著な優位性を示し、特に時間ステップ 5 から 15 の間、$F(t)$ が一貫して高く、主要な拡散者をより効果的に特定できた。
• U.S. Political Blogs ネットワークでは、MLD が CC よりわずかに優位に働き、シミュレーション全体を通して $F(t)$ が高く維持された。これは、多様なネットワークトポロジーにわたる堅牢性を裏付けた。
• MLD は CC および DC と負の相関関係を示しており、MLD 値が低いノード（より影響力のあるノード）は、通常の測度では低く評価される傾向にあることを示唆している。これは、MLD が従来の測度では捉えきれない影響力を持つノードを特定できることを強調している。
• MLD はノード間でより散らばった、一意な値を生成し、DC や CC で見られる順位の同一化を回避した。これにより、ノードの影響力に関するより正確で信頼性の高い順位付けが可能になった。