[논문 리뷰] Towards Linear Time Overlapping Community Detection in Social Networks

Jierui Xie, Bolesław K. Szymański|arXiv (Cornell University)|2012. 02. 11.

Complex Network Analysis Techniques참고 문헌 10인용 수 35

한 줄 요약

이 논문은 사회적 네트워크에서 동적 레이블 전파를 사용하는 선형 시간 복잡도를 가지는 오버랩핑 커뮤니티 탐지 알고리즘인 SLPA를 제안한다. 이 알고리즘은 노드가 다중 레이블을 가질 수 있도록 하여 오버랩핑, 네스팅, 이분 네트워크 구조의 커뮤니티 탐지를 가능하게 한다. 네트워크 크기에 비례한 거의 선형 확장성을 달성하며, 합성 및 실세계 네트워크(이분 및 계층적 네트워크 포함)에서 기존 방법들인 COPRA를 능가한다.

ABSTRACT

Membership diversity is a characteristic aspect of social networks in which a person may belong to more than one social group. For this reason, discovering overlapping structures is necessary for realistic social analysis. In this paper, we present a fast algorithm1, called SLPA, for overlapping community detection in large-scale networks. SLPA spreads labels according to dynamic interaction rules. It can be applied to both unipartite and bipartite networks. It is also able to uncover overlapping nested hierarchy. The time complexity of SLPA scales linearly with the number of edges in the network. Experiments in both synthetic and real- world networks show that SLPA has an excellent performance in identifying both node and community level overlapping structures.

연구 동기 및 목표

• 실세계 사회적 네트워크에서 개인이 자연스럽게 여러 그룹에 속하는 점을 고려해, 상호 배제적인 커뮤니티 탐지의 한계를 해결하기 위해.
• 커뮤니티 수를 입력으로 요구하지 않으면서도 확장 가능한 알고리즘을 개발하기 위해.
• 일반, 이분, 계층적 중첩 커뮤니티를 포함한 다양한 네트워크 구조를 지원하기 위해.
• 실제로 선형 시간 복잡도를 달성하여 대규모 네트워크에 적용 가능하게 하기 위해.

제안 방법

• SLPA는 각 노드를 고유한 레이블로 초기화하고, 말하는 노드와 듣는 노드 간의 동적 상호작용을 통해 반복적으로 레이블을 업데이트한다.
• 각 반복에서, 듣는 노드는 이웃 노드들로부터 레이블을 수신하며, 선택 확률은 이웃 노드의 메모리 내 레이블 빈도에 비례한다.
• 듣는 노드는 가장 자주 수신된 레이블을 자신의 메모리에 추가하여, 각 노드가 다중 레이블을 가질 수 있도록 하며, 오버랩핑 커뮤니티 탐지를 가능하게 한다.
• 알고리즘은 레이블 메모리에서 최종 커뮤니티를 추출하기 위해 임계값 r을 사용하는 후처리 단계를 포함한다.
• 레이블 전파 과정에서 각 노드 유형을 동일하게 취급함으로써, 일반 네트워크와 이분 네트워크 모두를 지원한다.
• 레이블 전파 이력의 유지와 재귀적 커뮤니티 형성의 가능성을 통해, 자연스럽게 중첩 커뮤니티 계층을 포착한다.

실험 결과

연구 질문

• RQ1 대규모 네트워크에서 오버랩핑 커뮤니티를 정확하게 탐지할 수 있는 알고리즘이 선형 시간 복잡도를 달성할 수 있는가?
• RQ2 COPRA와 같은 기존 방법에 비해 SLPA는 이분 네트워크에서 얼마나 잘 성능을 발휘하는가?
• RQ3 SLPA는 실세계 사회적 네트워크에서 오버랩핑 중첩 커뮤니티를 탐지할 수 있는가?
• RQ4 SLPA의 동적 레이블 전파 메커니즘은 다른 레이블 기반 알고리즘에서 알려진 바와 같이 과도하게 작은 커뮤니티를 생성하는 문제를 피할 수 있는가?
• RQ5 비결정적 성격을 지닌 SLPA가 네트워크 크기와 구조적 변동에 대해 얼마나 강건한가?

주요 결과

• SLPA는 간선 수에 비례하는 선형 시간 복잡도를 달성하여 대규모 네트워크에 적합하다.
• Facebook 유사 네트워크(FB-M1)에서 SLPA는 정규화된 모듈라리티 점수 0.23(표준편차 0.10)를 기록했으며, COPRA의 0.02에 비해 뚜렷이 뛰어난 성능을 보였다.
• 이중 이사회 네트워크(IL-M2)에서 SLPA는 점수 0.69(표준편차 0.01)를 기록했으며, COPRA의 0.72에 비해 略로 낮았지만 여전히 높은 효과성을 보였다.
• 고등학교 네트워크(HS2)에서 SLPA는 네 레벨의 중첩 커뮤니티 계층을 성공적으로 복원했으며, 속성 기반 커뮤니티 설명에 대해 최대 0.85의 일치 점수를 기록했다.
• 이분 네트워크에서는 SLPA가 전체 네트워크에 직접적으로 의미 있는 커뮤니티를 탐지했고, 반면 COPRA는 각 노드 유형에 대해 별도로 처리가 필요했으며, Facebook 유사 네트워크에서는 커뮤니티 탐지에 실패했다.
• 최대 반복 수 T가 20를 초과할 경우, 다수의 실행에서 안정적인 성능을 보이며 랜덤 초기화에 대한 강건성을 입증했다.