[論文レビュー] Community Detection with Metadata in a Network of Biographies of Western Art Painters

Michael Kitromilidis, Tim Evans|arXiv (Cornell University)|Feb 22, 2018

Wikis in Education and Collaboration参考文献 1被引用数 6

ひとこと要約

本稿では、Wikipediaの伝記データを用いて西洋画家の間で芸術的運動や学校を同定するため、メタデータを統合したコミュニティ検出フレームワークを提案する。芸術的運動および国籍のメタデータをモジュラリティ最大化に統合することで、コミュニティ間をつなぐ影響力を持つ人物（シャラン、リーベルマン、ルイズダールなど）を特定するための中心性測度を再定義し、それらが主な芸術的圈权威圏を越えて影響を及ぼしていることを示す。ネットワーク構造とメタデータの統合的分析によって、芸術史における隠れた影響関係が明らかになる。

ABSTRACT

In this work we look at the structure of the influences between Western art painters as revealed by their biographies on Wikipedia. We use a modified version of modularity maximisation with metadata to detect a partition of artists into communities based on their artistic genre and school in which they belong. We then use this community structure to discuss how influential artists reached beyond their own communities and had a lasting impact on others, by proposing modifications on standard centrality measures.

研究の動機と目的

• 伝記ネットワークにおける画家のクラスタリングを改善するため、外部メタデータ（芸術的運動および国籍）を統合したコミュニティ検出手法の開発。
• 既知のベンチマーク（Zacharyのカーリーブルーブ、合成ネットワーク）および実世界の画家ネットワークを用いて、手法の性能を評価。
• 標準的な中心性測度（媒介性、近接性）を再定義し、コミュニティ間をつなぐノードを特定することで、主な芸術的圈权威圈权圏を越えて影響を及ぼす人物を特定。
• メタデータを考慮したコミュニティ構造が、芸術史的に重要なコミュニティ間の影響関係（例：シャランやリーベルマンによる後続運動形成）をどのように明らかにするかを示すこと。

提案手法

• 1人の画家のページが他の画家のページを参照する場合にエッジを形成する、2,113人の画家からなる無向・無重みネットワークをWikipediaの伝記リンクから構築。
• 芸術的運動および国籍のメタデータを統合した、変更を加えたモジュラリティ最大化アルゴリズムを適用し、コミュニティ検出を実行。
• 検出されたコミュニティと真値メタデータの比較に用いる2つの評価指標（調整ランダ指数および正規化相互情報量）を導入。
• コミュニティ構造を活用して標準的な中心性測度を再定義：コミュニティベースの媒介性、近接性、ミキシング係数を用いて、ブリッジとなるノードを同定。
• 粗め（運動ベース）および細かめ（運動＋国籍）の2段階のパーティショニングアプローチを採用し、中心性測度のロバストネスと感度を評価。
• 実際の画家ネットワークに適用する前に、Zacharyのカーリーブルーブおよび合成ネットワークを用いて手法を検証。

実験結果

リサーチクエスチョン

• RQ1 メタデータを考慮したコミュニティ検出は、西洋画家の伝記ネットワークにおける芸術的運動の同定を改善できるか？
• RQ2 標準的な中心性測度は、どのようにコミュニティ間の影響を捉えられず、どのような方法で再定義することでその影響を明らかにできるか？
• RQ3 コミュニティ構造を中心性測度に統合した場合、どの画家が主要なインフルエンサーとして浮き彫りになるか。また、それらの役割は歴史的芸術史的記述と整合するか？
• RQ4 ミキシング係数は、シャランやルイズダールのような著名な芸術家において、既知の歴史的影響とどの程度相関するか？
• RQ5 コミュニティパーティショニングの選択（粗め vs. 細かめ）は、再定義された中心性測度におけるインフルエンサーの順位にどのように影響を及けるか？

主な発見

• 変更を加えたモジュラリティ手法は、インプレッショニズムやバロック様式といった既知の芸術的運動と整合するコミュニティを効果的に同定し、メタデータと強い一致を示した。
• シャランは次数k=16と低くても、ミキシング係数μ=0.69と高く、18世紀のフランス芸術と19世紀のインプレッショニズムを結ぶ強力なコミュニティ間影響を示した。
• マックス・リーベルマンのコミュニティベースの媒介性中心性は、標準的な媒介性と比較して約100ランク向上し、フランス・インプレッショニストとドイツの芸術家をつなぐ橋梁的役割を裏付けた。
• ヤコブ・ヴァン・ルイズダールは、細かめのパーティショニングにおいてコミュニティベースの近接性中心性で9位にランクされ、オランダ・バロック、ロマン主義、インプレッショニズムの各圏に広範な影響を及えたことを示した。
• ミキシング係数は標準的な次数と低い相関を示し、原始ネットワークでは上位の接続ノードでないが、歴史的に重要な影響を及える芸術家を独自に特定できる能力を有していることが明らかになった。
• メタデータをコミュニティ検出および中心性測度に統合することで、標準的なネットワーク解析では見逃されがちな、フランス芸術家からドイツ芸術家へのスタイル的アイデアの伝達といった、歴史的に有意義なコミュニティ間の影響関係が明らかになった。