[논문 리뷰] A measure of betweenness centrality based on random walks

M. E. J. Newman|arXiv (Cornell University)|2003. 09. 01.

Complex Network Analysis Techniques참고 문헌 20인용 수 34

한 줄 요약

이 논문은 짧은 경로가 아닌 모든 경로를 고려하여 길이에 반비례하는 가중치를 적용함으로써, 두 노드 간의 모든 경로를 반영하는 랜덤 워크 기반의 새로운 중앙성 측정법을 제안한다. 이는 매트릭스 역행렬을 사용하여 효율적으로 계산되며, 정보가 최적의 경로가 아닌 방식으로 확산되는 네트워크에서 전통적인 최단경로 기반 중앙성보다 더 현실적인 대안을 제공한다. 또한 기존 방법으로는 간과되는 영향력 있는 노드를 식별할 수 있음을 보여준다.

ABSTRACT

Betweenness is a measure of the centrality of a node in a network, and is normally calculated as the fraction of shortest paths between node pairs that pass through the node of interest. Betweenness is, in some sense, a measure of the influence a node has over the spread of information through the network. By counting only shortest paths, however, the conventional definition implicitly assumes that information spreads only along those shortest paths. Here we propose a betweenness measure that relaxes this assumption, including contributions from essentially all paths between nodes, not just the shortest, although it still gives more weight to short paths. The measure is based on random walks, counting how often a node is traversed by a random walk between two other nodes. We show how our measure can be calculated using matrix methods, and give some examples of its application to particular networks.

연구 동기 및 목표

• 정보가 지오데식 경로(최단경로)를 따라만 퍼진다고 가정하는 전통적인 최단경로 기반 중앙성의 한계를 해결하기 위해.
• 노드 쌍 간의 모든 경로 기여도를 포함시키되, 짧은 경로에 더 높은 가중치를 주되 장거리 경로를 배제하지 않는 중심성 측정법을 개발하기 위해.
• 매트릭스 역행렬 기법을 활용해 대규모 네트워크에서의 중심성 계산을 계산적으로 실현 가능한 방법으로 제공하기 위해.
• 새로운 측정법이 최단경로 중심성으로 간과되는 영향력 있는 노드—특히 커뮤니티 간 브로커 역할을 하는 노드—를 식별할 수 있음을 보여주기 위해.
• 실제 네트워크, 특히 플로렌티나 가문 네트워크와 과학자 공동저자 네트워크에서 측정법을 검증하여 직관적인 영향력 개념과 더 잘 일치하는 결과를 보여주기 위해.

제안 방법

• 측정법은 두 노드 간의 무작위 보행 중 특정 노드를 통과하는 비율의 기대값으로 중심성을 정의하며, 가능한 모든 경로에서 균일하게 무작위로 선택된 보행을 기반으로 한다.
• 마르코프 체인의 기본 행렬을 사용하여 소스 노드에서 타겟 노드로의 랜덤 워크 중 특정 노드에 도달할 기대 횟수를 계산한다.
• 보행의 전이 행렬에서 유도된 선형방정식 시스템을 풀어, 방문 빈도를 계산하기 위해 매트릭스 역행렬을 사용한다.
• 노드의 중심성 점수는 모든 노드 쌍 간 총 기대 보행 수로 정규화되어 있어 네트워크 간 비교가 가능하다.
• 이 방법은 계산적으로 효율적이며, 희박한 네트워크 기준으로 시간 복잡도가 O(n³)로 평가되어 중간 크기의 실제 네트워크에 적용 가능하다.
• 이 방법은 지오데식 경로뿐만 아니라 비지오데식 경로를 포함한 다수의 경로를 자연스럽게 반영하며, 짧은 경로에 더 높은 가중치를 부여한다.

실험 결과

연구 질문

• RQ1 정보 흐름이 현실적으로 최단경로 외의 경로를 포함할 수 있도록 하여, 중심성 측정법을 재정의할 수 있는 방법은 무엇인가?
• RQ2 최단경로가 아닌 모든 경로를 고려해 중심성을 계산할 경우의 계산 비용은 어떻게 되는가?
• RQ3 랜덤 워크 기반 중심성 측정법은 최단경로 중심성으로 간과되는 영향력 있는 노드—특히 모듈화된 네트워크나 브로커 역할을 하는 노드—를 식별할 수 있는가?
• RQ4 기존 중심성 측정법과 비교했을 때, 새로운 측정법은 네트워크 구조와의 상관관계 및 일관성 측면에서 어떻게 다른가?
• RQ5 어떤 종류의 실제 네트워크에서 랜덤 워크 중심성 측정법이 더 정확하거나 의미 있는 중심성 순위를 드러내는가?

주요 결과

• 랜덤 워크 중심성 측정법은 최단경로에 포함되지 않은 노드, 예를 들어 두 커뮤니티를 비최단경로로 연결하는 노드 C와 같이, 최단경로 중심성에서 간과되는 노드도 중심성으로 식별한다.
• 플로렌티나 가문 네트워크에서, 이 측정법은 최단경로에 포함되지 않지만 무작위 보행에서 자주 방문되는 스토르치 가문과 리돌피 가문에 높은 점수를 할당한다.
• 이 측정법은 커뮤니티 간 브로커 역할을 하는 노드(예: 공동저자 네트워크에서 'A'로 표기된 노드)뿐만 아니라 여러 대체 경로를 통해 연결되는 노드(예: 'B'로 표기된 노드)에도 높은 중심성 점수를 제공한다.
• 과학자 공동저자 네트워크에서, 랜덤 워크 중심성은 클러스터 간 최단경로에 있지 않더라도 'A' 및 'B' 그룹에 속한 핵심 인물들을 정확히 식별한다.
• 이 방법은 실질적인 네트워크에 대해 계산적으로 실현 가능하며, 시간 복잡도가 O(n³)로 평가되어 사회학적 및 생물학적 연구에서 실용적인 크기의 네트워크에 적용 가능하다.
• 이 측정법은 다른 중심성 지표와 상관관계가 있으나, 특히 단지 최단경로 지배성 때문이 아니라 다양한 흐름 경로를 통해 영향력을 행사하는 노드를 식별하는 데 독특한 통찰을 제공한다.