[논문 리뷰] Network Generation Model Based on Evolution Dynamics To Generate Benchmark Graphs

Muhammad Qasim Pasta, Faraz Zaidi|arXiv (Cornell University)|2016. 06. 03.

Complex Network Analysis Techniques참고 문헌 38인용 수 3

한 줄 요약

이 논문은 진화 역학과 조정 가능한 커뮤니티 구조를 통합하여 공동 탐지 알고리즘을 위한 현실적인 벤치마크 그래프를 생성하는 네트워크 생성 모델을 제안한다. 실제 세계 네트워크의 성장을 시뮬레이션함으로써, 기존 모델보다 더 큰 도전 과제를 안기는 위상적으로 복잡한 네트워크를 생성한다.

ABSTRACT

Network generation models provide an understanding of the dynamics behind the formation and evolution of different networks including social networks, technological networks and biological networks. Two important applications of these models are to study the evolution dynamics of network formation and to generate benchmark networks with known community structures. Research has been conducted in both these directions relatively independent of the other application area. This creates a disjunct between real world networks and the networks generated to study community detection algorithms. In this paper, we propose to study both these application areas together i.e. introduce a network generation model based on evolution dynamics of real world networks and generate networks with community structures that can be used as benchmark graphs to study community detection algorithms. The generated networks possess tunable modular structures which can be used to generate networks with known community structures. We study the behaviour of different community detection algorithms based on the proposed model and compare it with other models to generate benchmark graphs. Results suggest that the networks generated using the proposed model present tougher challenges for community detection algorithms due to the topological structure introduced by evolution dynamics.

연구 동기 및 목표

• 실제 세계 네트워크의 역학과 공동 탐지 연구에서 사용되는 합성 벤치마크 네트워크 사이의 괴리를 해소하기 위해.
• 네트워크의 진화를 동시에 포착하면서 커뮤니티 구조에 대한 정밀한 제어를 가능하게 하는 통합 모델을 개발하기 위해.
• 알려진, 조정 가능한 모듈러 구조를 가진 벤치마크 그래프를 생성하여 현실적인 위상 조건 하에서 공동 탐지 알고리즘을 평가하기 위해.
• 합성 네트워크의 현실성 향상을 통해 사회적 및 생물학적 시스템과 같은 실제 세계 네트워크의 구조적 복잡성을 더 잘 반영하기 위해.

제안 방법

• 실제 세계 네트워크에서 관찰되는 진화 역학 기반의 네트워크 생성 모델을 설계하며, 예를 들어 선호적 첨착 및 국소 첨착 메커니즘을 포함한다.
• 시간이 지남에 따라 변화하는 동적 과정을 통해 커뮤니티 형성을 통합함으로써, 모듈러 구조가 성장 규칙에서 자연스럽게 유도되도록 보장한다.
• 생성된 네트워크 내에서 커뮤니티의 수, 크기, 밀도를 제어할 수 있는 조정 가능한 파라미터를 도입한다.
• 실제 네트워크의 특징인 힘의 법칙에 따른 차수 분포와 군집 계수와 같은 주요 위상적 성질을 유지하도록 보장한다.
• 알려진 진짜 커뮤니티 구조를 가진 여러 벤치마크 그래프를 생성하여 알고리즘 평가를 수행한다.
• 실제 세계 네트워크 및 다른 합성 모델과의 구조적 성질 비교를 통해 모델의 현실성을 검증한다.

실험 결과

연구 질문

• RQ1 네트워크 생성에 진화 역학을 통합할 경우, 합성 벤치마크 그래프의 구조적 복잡도에 어떤 영향을 미치는가?
• RQ2 기존의 전통적 모델과 비교할 때, 제안된 진화 기반 모델에 의해 생성된 네트워크는 공동 탐지 알고리즘이 얼마나 어려움을 겪는가?
• RQ3 제안된 모델은 현실적인 위상적 특징을 유지하면서도 조정 가능한 커뮤니티 구조를 가진 네트워크를 생성할 수 있는가?
• RQ4 진화 역학에 의해 유도된 위상적 특징이 합성 네트워크에서 커뮤니티 탐지 가능성에 어떤 영향을 미치는가?

주요 결과

• 제안된 모델에 의해 생성된 네트워크는 진화 기반의 구조적 패atters로 인해 더 높은 위상적 복잡도를 보이며, 이는 공동 탐지 알고리즘에 더 큰 도전 과제를 안긴다.
• 기존의 전통적 벤치마크 모델에 비해 제안된 모델에 의해 생성된 네트워크에서 공동 탐지 알고리즘이 열악한 성능을 보이며, 이는 어려움이 증가했음을 시사한다.
• 모델은 실제 세계 네트워크의 역학을 반영하는 알려진, 조정 가능한 커뮤니티 구조를 가진 네트워크를 성공적으로 생성한다.
• 생성된 네트워크는 실제 세계 네트워크의 주요 성질인 차수 분포와 군집 계수를 유지하여 그 유효성을 높인다.
• 네트워크 생성 과정에 진화 역학을 통합함으로써, 보다 현실적이고 다양한 네트워크 위상 구조를 도출할 수 있으며, 이는 철저한 알고리즘 테스트에 적합하다.