[논문 리뷰] Detecting Communities in Complex Networks using an Adaptive Genetic Algorithm and node similarity-based encoding

Sajjad Hesamipour, Mohammad Ali Balafar외 1명|arXiv (Cornell University)|2022. 01. 24.

Complex Network Analysis Techniques인용 수 4

한 줄 요약

이 논문은 복잡한 네트워크에서 커뮤니티 탐지에 대한 새로운 MST 기반 노드 유사도 인코딩을 갖춘 적응형 유전 알고리즘을 제안한다. 유사도 가중 스패닝 트리와 적응형 사인 기반 돌연변이 함수를 활용하여 수렴성을 향상시키고 타당하지 않은 분할을 방지하며, 기존의 GA 기반 방법보다 우수하고, 실증 평가에서 NMI 및 모듈러리티 측면에서 최신 기술 수준의 알고리즘과 맞먹는 성능을 보인다.

ABSTRACT

Detecting communities in complex networks can shed light on the essential characteristics and functions of the modeled phenomena. This topic has attracted researchers of various fields from both academia and industry. Among the different methods implemented for community detection, Genetic Algorithms (GA) have become popular recently. Considering the drawbacks of the currently used locus-based and solution-vector-based encodings to represent the individuals, in this paper, we propose (1) a new node similarity-based encoding method to represent a network partition as an individual named MST-based. Then, we propose (2) a new Adaptive Genetic Algorithm for Community Detection, along with (3) a new initial population generation function, and (4) a new adaptive mutation function called sine-based mutation function. Using the proposed method, we combine similarity-based and modularity-optimization-based approaches to find the communities of complex networks in an evolutionary framework. Besides the fact that the proposed representation scheme can avoid meaningless mutations or disconnected communities, we show that the new initial population generation function, and the new adaptive mutation function, can improve the convergence time of the algorithm. Experiments and statistical tests verify the effectiveness of the proposed method compared with several classic and state-of-the-art algorithms.

연구 동기 및 목표

• 기존의 룩스 기반 또는 해 벡터 기반 인코딩 방식이 의미 없는 돌연변이 또는 분리된 커뮤니티를 초래할 수 있는 문제점을 해결하기 위해.
• 노드 유사도와 최소 스패닝 트리(MST)를 활용한 새로운 개체 표현 방법을 개발하여 검색 공간을 줄이고 해의 질을 향상시키기 위해.
• MST 내 각 간선의 깊이에 따라 돌연변이 확률을 동적으로 조정하는 적응형 돌연변이 함수를 설계하여 수렴 속도와 해의 정확도를 향상시키기 위해.
• 진화 과정에서 해의 다양성과 수렴 시간을 향상시키기 위해 새로운 초기 집단 생성 함수를 도입하기 위해.
• 확장성과 정확도를 균형 있게 유지하기 위해 모듈러리티 최적화와 유사도 기반 측정치를 조합하기 위해.

제안 방법

• 노드 유사도 측정치를 사용하여 가중 네트워크를 구성하고, MST의 간선을 이진 염색체에 인코딩하는 MST 기반 인코딩 체계를 제안한다. 여기서 0과 1은 간선의 유무를 각각 나타낸다.
• 유사도 기반 클러스터링을 활용하여 고품질의 다양한 초기 해를 생성하는 새로운 초기 집단 생성 함수를 도입하여 수렴 속도를 가속화한다.
• 각 유전자의 대응 간선이 MST 내에서 깊이에 따라 돌연변이 확률이 변하는 사인 기반 적응형 돌연변이 함수를 개발하여 깊은 간선에서의 탐색을 촉진한다.
• 모듈러리티와 노드 유사도를 조합한 하이브리드 적합도 함수를 사용하여 진화 과정이 고품질의 커뮤니티 분할로 유도되도록 한다.
• 새로운 인코딩 프레임워크 내에서 표준 GA 연산(선택, 교차, 적응형 돌연변이)을 활용하여 커뮤니티 탐지를 최적화한다.
• 실제 및 합성 데이터셋에서 최신 기술 수준의 알고리즘과의 성능를 통계적으로 검증하기 위해 Nemenyi 검정을 적용한다.

실험 결과

연구 질문

• RQ1 룩스 기반 또는 해 벡터 기반 인코딩 방식에 비해, 노드 유사도 기반 인코딩 체계는 GA 기반 커뮤니티 탐지에서 무의미하거나 분리된 커뮤니티 분할을 줄일 수 있는가?
• RQ2 제안된 적응형 사인 기반 돌연변이 함수는 커뮤니티 탐지에서 수렴 속도와 해의 질을 어떻게 향상시키는가?
• RQ3 새로운 초기 집단 생성 함수는 초기 해의 질과 다양성을 얼마나 향상시켜 더 빠른 수렴을 이끌어내는가?
• RQ4 모듈러리티 최적화를 유사도 기반 측정치와 조합하면, 단순히 모듈러리티에 의존하는 것보다 복잡한 네트워크 커뮤니티 탐지에서 더 나은 성능을 낼 수 있는가?
• RQ5 실제 및 합성 네트워크에서 제안된 방법은 NMI 및 모듈러리티 측면에서 최신 기술 수준의 알고리즘과 비교해 어떻게 성능을 내는가?

주요 결과

• 제안된 방법은 GA-net 및 WMW와 같은 여러 GA 기반 알고리즘보다 유의미하게 높은 NMI 및 모듈러리티 점수를 기록했으며, 통계적 유의성(p-value)이 확인되었다.
• Nemenyi 검정 결과, 합성 NMI에서 제안된 방법과 GA-net 사이의 거리(8.4167)와 실제 세계 NMI에서 WMW와의 거리(9.8)는 각각 임계 거리 8.39 및 9.273를 초과하여 유의미한 차이를 보였다.
• 실제 세계 데이터셋에서 제안된 방법은 GA-net(7.11) 및 WMW(7.44)와의 모듈러리티 측면에서 유의미한 차이를 보였으며, 임계 거리 6.76를 초과했다.
• Louvain, Leiden, EdMot와 같은 최고 수준의 알고리즘과 비교해 NMI 및 모듈러리티 모두에서 성능이 뛰어나거나 동등했으며, 합성 모듈러리티 결과에서는 유의미한 차이가 없었다.
• 적응형 사인 기반 돌연변이와 향상된 초기 집단 생성 함수는 더 작은 검색 공간과 향상된 적합도 진행 상황을 통해 더 빠른 수렴과 고품질의 해를 제공했다.
• 통계 분석을 통해 제안된 방법이 최신 기술 수준의 방법과 유사하거나 뛰어나며, 특히 NMI 측면에서 뛰어난 성능을 보였으며, 평균 NMI 값이 WMW(0.526) 및 CACD(0.826)보다 유의미하게 높았다.