[논문 리뷰] A New Metric for Quality of Network Community Structure

Mingming Chen, Tommy Nguyen외 1명|arXiv (Cornell University)|2015. 07. 15.

Complex Network Analysis Techniques참고 문헌 37인용 수 58

한 줄 요약

이 논문은 전통적 모듈러리티의 두 가지 주요 결함인 작은 커뮤니티 선호 및 해상도 한계 문제를 해결함으로써 향상된 모듈러리티 밀도(Modularity Density)라는 새로운 지표를 제안한다. 외부 커뮤니티 간 간선 비율을 빼고 커뮤니티 밀도를 통합함으로써, 모듈러리티 밀도는 더 일관되고 정확한 커뮤니티 품질 측정을 제공한다. 실제 동적 네트워크에서의 실험을 통해, 이는 기존의 다른 기준과 일치하는 방식으로 기존 모듈러리티를 능가함을 입증하였다.

ABSTRACT

Modularity is widely used to effectively measure the strength of the community structure found by community detection algorithms. However, modularity maximization suffers from two opposite yet coexisting problems: in some cases, it tends to favor small communities over large ones while in others, large communities over small ones. The latter tendency is known in the literature as the resolution limit problem. To address them, we propose to modify modularity by subtracting from it the fraction of edges connecting nodes of different communities and by including community density into modularity. We refer to the modified metric as Modularity Density and we demonstrate that it indeed resolves both problems mentioned above. We describe the motivation for introducing this metric by using intuitively clear and simple examples. We also prove that this new metric solves the resolution limit problem. Finally, we discuss the results of applying this metric, modularity, and several other popular community quality metrics to two real dynamic networks. The results imply that Modularity Density is consistent with all the community quality measurements but not modularity, which suggests that Modularity Density is an improved measurement of the community quality compared to modularity.

연구 동기 및 목표

• 모듈러리티의 두 가지 동시 발생하는 문제인 작은 커뮤니티 선호와 해상도 한계 문제를 해결하기 위해.
• 여러 기존 기준과 일관되며 모듈러리티의 모순을 피하는 커뮤니티 품질 측정 기준을 개발하기 위해.
• 이론적으로 탄탄하고 경험적으로 검증된 모듈러리티의 대안을 제공하여 커뮤니티 구조의 품질 평가에 활용하기 위해.
• 구조적 편향에 덜 민감한 지표를 제공함으로써 더 신뢰할 수 있는 커뮤니티 탐지 가능성을 높이기 위해.
• 향후 알고리즘들이 모듈러리티가 아닌 모듈러리티 밀도를 최대화하도록 하는 기반을 마련하기 위해.

제안 방법

• 표준 모듈러리티에서 외부 커뮤니티 간 간선 비율(분할 페널티)을 빼어 수정된 지표인 모듈러리티 밀도를 제안한다.
• 커뮤니티 밀도를 모듈러리티 공식에 통합하여 흩어져 있는 커뮤니티에 대한 페널티를 부여한다.
• 모듈러리티 밀도가 해상도 한계 문제를 해결함을 수학적으로 증명하여, 부적절한 커뮤니티 통합 또는 분할을 피함을 보여준다.
• 두 개의 실제 동적 네트워크인 상원(US Senate)과 레이디티 마이닝 블루투스 스캔(Reality Mining Bluetooth Scan)에 대해 모듈러리티와 6개의 다른 표준 기준(예: 컨덕턴스, 확장성, 내부 간선 수)과 함께 이 지표를 적용한다.
• 다양한 커뮤니티 구조에서의 일관성 평가를 위해 파rameterized 커뮤니티 탐지(LabelRankT, q 값 변화)를 활용한다.
• 각 지표가 도출한 최적의 q 값 간의 일관성 여부를 비교하여, 모듈러리티 기반 탐지에서의 모순과 편향을 탐지한다.

실험 결과

연구 질문

• RQ1 모듈러리티 최적화가 다양한 네트워크 스냅샷에서 최적의 커뮤니티 구조를 일관되게 식별하는가?
• RQ2 수정된 지표가 작은 커뮤니티 편향과 해상도 한계 문제를 동시에 해결할 수 있는가?
• RQ3 실제 동적 네트워크에서 모듈러리티 밀도가 다른 커뮤니티 품질 기준과 얼마나 일관되는가?
• RQ4 모듈러리티가 최적의 커뮤니티 분할을 식별하는 데서 다른 기준과 얼마나 일치하지 않는가?
• RQ5 모듈러리티 밀도가 커뮤니티 탐지 알고리즘 평가 및 지도에 신뢰할 수 있는 대안이 될 수 있는가?

주요 결과

• 모듈러리티 밀도는 상원과 레이디티 마이닝 블루투스 스캔 데이터셋 양쪽에서 일관되게 최적의 커뮤니티 구조를 식별하는 반면, 모듈러리티는 그렇지 않다.
• 상원 데이터셋에서 모듈러리티(Q)는 최적 q=0.5를, 내부 간선 수는 q=0.7을 선택한 반면, 나머지 6개의 기준은 모두 q=0.6을 선택하여, 모듈러리티 평가의 일관성 부족을 보여준다.
• 레이디티 마이닝 블루투스 스캔에서, 모듈러리티와 외부 간선 수 기준이 다른 6개의 기준과는 다른 최적의 q 값을 선택하여, 이들의 일관성 부족을 드러낸다.
• 결과적으로 모듈러리티 밀도는 모든 6개의 다른 기준과 일치함을 보여, 더 신뢰할 수 있고 일관성 있는 커뮤니티 품질 측정 기준임을 시사한다.
• 수학적으로 증명된 바와 같이, 모듈러리티 밀도는 부적절한 커뮤니티 통합 또는 분할을 피함으로써 해상도 한계 문제를 성공적으로 해결한다.
• 그림 5–7은 Q가 종종 음수인 반면 Q_s와 Q_ds는 양수임을 보여주며, 표준 모듈러리티보다 모듈러리티 밀도가 더 안정적이고 의미 있는 평가를 제공함을 확인한다.