[논문 리뷰] Clustering of Complex Networks and Community Detection Using Group Search Optimization

Geet Kumar, Vaidyanathan Jayaraman|arXiv (Cornell University)|2013. 07. 04.

Complex Network Analysis Techniques참고 문헌 5인용 수 7

한 줄 요약

이 논문은 복잡한 네트워크의 군집화 및 커뮤니티 탐지에 대해 그룹 탐색 최적화(GSO) 알고리즘의 새로운 응용을 제안한다. 동물의 사냥 행동을 영감으로 삼아 GSO는 효과적으로 네트워크를 응집된 그룹으로 분할하며, 정확도와 수렴 속도 측면에서 다섯 가지 기준 데이터셋에서 뛰어난 성능을 보였다.

ABSTRACT

Group Search Optimizer(GSO) is one of the best algorithms, is very new in the field of Evolutionary Computing. It is very robust and efficient algorithm, which is inspired by animal searching behaviour. The paper describes an application of GSO to clustering of networks. We have tested GSO against five standard benchmark datasets, GSO algorithm is proved very competitive in terms of accuracy and convergence speed.

연구 동기 및 목표

• 복잡한 네트워크 내에서 의미 있는 커뮤니티 구조를 식별하는 데 도전하는 데 목적을 둔다.
• 새로운 메타휴리스틱인 그룹 탐색 최적화(GSO)가 네트워크 군집화에 효과적인지 탐색한다.
• 군집화 정확도와 수렴 속도 측면에서 표준 기준 데이터셋을 기반으로 GSO의 성능을 평가한다.
• GSO가 커뮤니티 탐지 작업에서 얼마나 강건하고 효율적인지 보여준다.

제안 방법

• GSO 알고리즘은 네트워크 내 커뮤니티 품질을 측정하는 표준 척도인 모듈라리티 함수 최적화에 적응시켰다.
• GSO 내 각 탐색 에이전트는 네트워크를 커뮤니티로 분할하는 잠재적 해를 나타낸다.
• 동물의 사냥 행동을 모방한 지도, 협력, 무작위 산산조각 내기 행동에 기반해 에이전트는 자신의 위치를 갱신한다.
• 각 후보 분할의 모듈라리티를 평가함으로써 알고리즘은 반복적으로 해를 향상시킨다.
• 지역 최적값을 피하기 위해 탐색과 이용의 균형을 유지한다.
• 수렴 후 발견된 최고의 해를 바탕으로 최종 커뮤니티 구조를 도출한다.

실험 결과

연구 질문

• RQ1 그룹 탐색 최적화(GSO)는 복잡한 네트워크에서 커뮤니티를 효과적으로 탐지할 수 있는가?
• RQ2 군집화 정확도 측면에서 GSO는 기존 방법과 비교해 어떻게 성능을 내는가?
• RQ3 표준 네트워크 군집화 기준 데이터셋에서 GSO의 수렴 속도는 어떠한가?
• RQ4 다양한 네트워크 유형에 걸쳐 고품질의 커뮤니티 분할을 식별하는 데 GSO는 얼마나 강건한가?

주요 결과

• GSO는 다섯 가지 표준 기준 데이터셋에서 경쟁력 있는 군집화 정확도를 달성했다.
• 알고리즘은 빠른 수렴을 보이며 높은 계산 효율성을 나타냈다.
• 모듈라리티와 해 품질 측면에서 GSO는 기존의 확립된 방법보다 뛰어나거나 동등한 성능을 보였다.
• 결과는 GSO가 복잡한 네트워크에서 커뮤니티 탐지에 강력하고 효과적인 접근법임을 확인시켰다.