[논문 리뷰] Community Detection in Complex Networks Using Agents

İsmail Güneş, Haluk O. Bingol|ArXiv.org|2006. 10. 23.

Complex Network Analysis Techniques참고 문헌 11인용 수 9

한 줄 요약

이 논문은 복잡한 네트워크에서 커뮤니티 탐지에 대한 에이전트 기반의 확률적 알고리즘을 제안하며, 커뮤니티 수나 임계값과 같은 사전 지식이 필요 없도록 한다. 휘어진 무늬를 가진 에이전트가 편향된 랜덤 워크를 수행하고 네트워크의 모듈래리티를 활용해 커뮤니티 수를 결정함으로써, 최적화된 계산 비용으로 정확한 커뮤니티 구조를 드러낸다. 이 방법은 거의 모든 실행에서 제이크 조지의 카레이트 클럽, 칼리지 풋볼, 정치 서적 네트워크의 참값 커뮤니티 구조를 성공적으로 복원한다.

ABSTRACT

Community structure identification has been one of the most popular research areas in recent years due to its applicability to the wide scale of disciplines. To detect communities in varied topics, there have been many algorithms proposed so far. However, most of them still have some drawbacks to be addressed. In this paper, we present an agent-based based community detection algorithm. The algorithm that is a stochastic one makes use of agents by forcing them to perform biased moves in a smart way. Using the information collected by the traverses of these agents in the network, the network structure is revealed. Also, the network modularity is used for determining the number of communities. Our algorithm removes the need for prior knowledge about the network such as number of the communities or any threshold values. Furthermore, the definite community structure is provided as a result instead of giving some structures requiring further processes. Besides, the computational and time costs are optimized because of using thread like working agents. The algorithm is tested on three network data of different types and sizes named Zachary karate club, college football and political books. For all three networks, the real network structures are identified in almost every run.

연구 동기 및 목표

• 커뮤니티 수나 임계값과 같은 사전 지식이 필요한 기존 커뮤니티 탐지 알고리즘의 한계를 해결하기 위해.
• 후처리가 필요 없이 자체 조직화되는 확률적 방법을 개발하여 커뮤니티 구조를 드러내기 위해.
• 네트워크 탐색 중에 스레드 유사 에이전트 행동을 통해 계산 효율성을 최적화하기 위해.
• 다양한 네트워크 유형에서 참값 커뮤니티 구조의 강력하고 일관된 탐지 보장하기 위해.

제안 방법

• 에이전트가 연결성이 높은 간선을 선호하는 편향된 랜덤 워크를 수행하여 밀도가 높은 영역을 탐색한다.
• 각 에이전트는 탐색 중에 국소적인 구조적 정보를 수집하여 네트워크 위상에 대한 전역적 이해를 기여한다.
• 알고리즘은 네트워크의 모듈래리티를 최적의 커뮤니티 수를 자동으로 결정하는 메트릭으로 사용한다.
• 커뮤니티 경계는 에이전트의 이동 패턴과 구조적 정보 집약을 통해 유추되며, 임의의 임계값을 피한다.
• 병렬로 작동하는 경량 에이전트 스레드를 활용해 시간과 계산 비용을 줄이기 위해 효율성에 최적화되어 설계되었다.
• 최종 커뮤니티 구조는 추가적인 클러스터링이나 정제 단계 없이 직접 출력된다.

실험 결과

연구 질문

• RQ1 사전 지식이 커뮤니티 수나 임계값 파rameter에 대해 필요 없이, 확률적 에이전트 기반 접근이 복잡한 네트워크에서 커뮤니티 구조를 탐지할 수 있는가?
• RQ2 에이전트 주도의 편향된 랜덤 워크는 실제 네트워크에서 참값 기반의 커뮤니티 구조를 얼마나 효과적으로 드러낼 수 있는가?
• RQ3 네트워크의 모듈래리티를 사용할 경우 알고리즘의 정확성과 커뮤니티 수의 자율 결정 능력은 어느 정도 향상되는가?
• RQ4 스레드 유사 에이전트 아키텍처는 커뮤니티 탐지에서 계산 효율성과 확장성에 어떻게 기여하는가?
• RQ5 제안된 방법은 다양한 네트워크 유형과 크기에서 참값 커뮤니티 구조를 일관되게 복원할 수 있는가?

주요 결과

• 알고리즘이 거의 모든 실행에서 제이크 조지의 카레이트 클럽 네트워크의 참값 커뮤니티 구조를 성공적으로 복원하여 높은 신뢰성을 입증했다.
• 칼리지 풋볼 네트워크의 경우, 커뮤니티 수에 대한 사전 입력 없이도 분류 기반의 커뮤니티 구조를 정확히 식별했다.
• 정치 서적 네트워크에서는 라이브럴-컨servative 커뮤니티 분할을 다수의 실행에서 높은 일관성으로 탐지했다.
• 커뮤니티 수 결정을 위해 모듈래리티를 사용함으로써 수동 조정이나 임계값 선택이 필요 없어졌다.
• 경량 에이전트의 효율적이고 병렬적인 작동 덕분에 계산 비용이 최적화되어 더 빠른 수렴이 가능했다.
• 추가 후처리 단계 없이 직접적으로 명확한 커뮤니티 구조를 생성했다.