[논문 리뷰] Network modularity in the presence of covariates

Beate Franke, Patrick J. Wolfe|arXiv (Cornell University)|2016. 03. 03.

Complex Network Analysis Techniques참고 문헌 20인용 수 5

한 줄 요약

이 논문은 노드 공변량으로 정의된 커뮤니티 구조에 대해 p-값을 가능하게 하는 극한 정리들을 유도함으로써 네트워크 모듈라리티에 대한 공식적인 통계적 기반을 수립한다. 커뮤니티가 존재하지 않는 귀무가설 하에서 모듈라리티가 渐近적으로 정규분포를 따르며, 이는 다양한 네트워크 유형(가중치가 있는, 희박한, 그리고 힘의 법칙을 따르는 네트워크 포함)에서 공변량 기반 커뮤니티가 네트워크 패턴을 의미 있게 설명하는지 객관적으로 평가할 수 있도록 한다.

ABSTRACT

We characterize the large-sample properties of network modularity in the presence of covariates, under a natural and flexible nonparametric null model. This provides for the first time an objective measure of whether or not a particular value of modularity is meaningful. In particular, our results quantify the strength of the relation between observed community structure and the interactions in a network. Our technical contribution is to provide limit theorems for modularity when a community assignment is given by nodal features or covariates. These theorems hold for a broad class of network models over a range of sparsity regimes, as well as weighted, multi-edge, and power-law networks. This allows us to assign $p$-values to observed community structure, which we validate using several benchmark examples in the literature. We conclude by applying this methodology to investigate a multi-edge network of corporate email interactions.

연구 동기 및 목표

• 관측된 노드 공변량으로 정의된 커뮤니티에 대해 네트워크 모듈라리티를 통계적으로 엄밀하게 해석하는 것, 네트워크 자체에서 추론된 것이 아니라.
• 모듈라리티의 히وري스틱한 사용을 넘어서, 통계적 유의성의 관점에서 커뮤니티 구조의 강도를 정량화하는 것.
• 가중치가 있는, 다중모서리가 있는, 그리고 힘의 법칙을 따르는 네트워크를 포함한 다양한 네트워크 유형을 수용할 수 있는 비모수적 프레임워크를 개발하는 것, 제한적인 모수적 가정 없이.
• 공변량 기반 커뮤니티 할당이 관측된 네트워크 구조를 설명하는지에 대한 가설 검정을 가능하게 하기 위해 모듈라리티 값에 p-값을 부여하는 것.
• 커뮤니티 구조를 공변량과 네트워크 위상학과 공식적으로 연결함으로써 네트워크 분석의 해석성 격차를 해소하는 것.

제안 방법

• 노드 간의 실제 및 기대 간선 가중치 간의 인구 수준 대비를 추정하는 모듈라리티를 유도함. 이는 커뮤니티 구조가 존재하지 않는다고 가정하는 귀무모델 하에서.
• 각 노드가 자신의 기대 차수를 나타내는 단일 매개변수를 가지는 비모수적 차수 기반 모델을 사용함. 간선 가중치의 분포에 대한 가정을 피함.
• 커뮤니티 구조가 실제로 존재하지 않을 경우 모듈라리티의 중심극한정리(central limit theorems)를 수립함으로써, 귀무가설 하에서의 渐近적 정규성을 보여줌.
• 노드 공변량이 커뮤니티 할당을 정의할 수 있도록 하는 융통성 있는 프레임워크를 도입함으로써, 그 설명력에 대한 통계적 검정을 가능하게 함.
• 모듈라리티 추정기의 오차 항을 분석하고, 희박성과 노드 차수 분포에 대한 가정을 통해 이를 유한하게 하며, 정규분포 수렴을 증명함.
• 기준 네트워크를 사용하여 방법을 검증하고, 다중모서리가 있는 실세계 기업 이메일 네트워크에 적용함.

실험 결과

연구 질문

• RQ1 커뮤니티가 추론된 것이 아니라 공변량으로 정의되었을 경우, 모듈라리티를 통계적 검정 통계량으로 공식적으로 해석할 수 있는가?
• RQ2 공변량이 커뮤니티를 정의할 경우, 커뮤니티 구조가 존재하지 않는 귀무가설 하에서 모듈라리티의 渐近적 분포는 무엇인가?
• RQ3 관측된 모듈라리티 값에 대해 통계적 유의성을 원칙적으로 평가할 수 있도록 p-값을 어떻게 부여할 수 있는가?
• RQ4 성별, 인종, 학년 등 노드 공변량이 실제 네트워크에서 관측된 커뮤니티 구조를 어느 정도 설명하는가?
• RQ5 제안된 방법은 가중치가 있는, 희박한, 그리고 힘의 법칙을 따르는 네트워크를 포함한 다양한 네트워크 유형에서 유효성을 유지하는가?

주요 결과

• 커뮤니티가 존재하지 않는 귀무가설 하에서 공변량 기반 커뮤니티 정의 시 모듈라리티가 渐近적으로 정규분포를 따르며, 이는 p-값 계산이 가능하게 한다.
• 이 방법은 가중치가 있는, 다중모서리가 있는, 그리고 힘의 법칙을 따르는 네트워크를 포함한 광범위한 네트워크 모델 클래스에서 유효하며, 간선 분포에 대한 모수적 가정이 필요하지 않다.
• 이 프레임워크는 관측된 모듈라리티 값에 p-값을 할당할 수 있게 하여, 공변량 기반 커뮤니티가 네트워크 구조를 설명하는지에 대한 객관적 측정을 가능하게 한다.
• 모듈라리티의 중심극한정리는 일반적인 희박성 영역에서 성립하며, 간선 가중치나 차수 분포에 강한 모수적 가정이 필요하지 않다.
• 기준 네트워크에서 검증되었고, 실세계 기업 이메일 네트워크에 성공적으로 적용되어 실제 응용에서의 유용성을 입증함.
• 모듈라리티 추정기의 오차 항은 유한하게 제한되며, $\mathcal{O}(n^{-3/2})$ 속도로 0으로 수렴함으로써, 미묘한 정규성 조건 하에서도 渐近적 정규성 결과가 유지됨.