[论文解读] Finding overlapping communities in multiplex networks

Nazanin Afsarmanesh, Matteo Magnani|arXiv (Cornell University)|Feb 11, 2016

Complex Network Analysis Techniques参考文献 23被引用 14

一句话总结

本文提出了一种对团渗流法（CPM）的扩展，用于检测多层网络中具有多种边类型的重叠社区。通过重新定义团及团邻接关系以考虑各层特有的边，该方法能够识别跨越多层且允许节点属于多个群体的社区，揭示了标准CPM或单层方法无法检测到的分层与重叠结构。

ABSTRACT

We define an approach to identify overlapping communities in multiplex networks, extending the popular clique percolation method for simple graphs. The extension requires to rethink the basic concepts on which the clique percolation algorithm is based, including cliques and clique adjacency, to allow the presence of multiple types of edges.

研究动机与目标

• 填补现有社区检测方法在识别具有多种边类型的多层网络中重叠社区方面的空白。
• 将团渗流法（CPM）扩展至多层与多层网络结构，保持跨层的社区凝聚力。
• 定义新的团与团邻接概念，以同时考虑多层网络中节点与边类型之间的关系。
• 实现对跨层或层内重叠社区的检测，反映现实世界中的社交与协作结构。
• 通过在真实数据集上的实证评估，展示该方法揭示分层社区结构的能力。

提出的方法

• 重新定义多层网络中的团概念，纳入节点与边类型，提出AND与OR两种团定义变体。
• 基于共享节点与共同边类型定义团邻接，确保邻接关系同时考虑结构连接与层特定连接。
• 提出一种社区检测算法，将相邻团聚类为社区，并通过边类型异质性约束保持社区凝聚力。
• 对每个社区中不同边类型的数量施加阈值，以控制多样性并强化检测到的社区同质性。
• 采用多层表示，其中每一层对应一种不同关系类型（如工作、休闲、合作者关系），并在这些层之间检测社区。
• 在团的邻接图上采用基于图的聚类方法，社区边界由连通性与边类型一致性决定。

实验结果

研究问题

• RQ1 如何将团渗流法扩展至检测具有多种边类型的多层网络中的重叠社区？
• RQ2 在多层环境中，应如何定义团与团邻接关系，以保持跨层的社区凝聚力？
• RQ3 所扩展的方法能否检测到分层社区结构，其中核心社区跨越多个层，而外围节点仅属于较少层数？
• RQ4 边类型多样性的引入如何影响检测到的社区的同质性与可解释性？
• RQ5 该扩展方法在真实世界多层网络中的计算行为与可扩展性如何？

主要发现

• 该方法成功识别出跨越多层的重叠社区，例如C16与C17，其包含在Facebook、工作及休闲关系中活跃的节点。
• 如C01与C09等社区显示出高重叠度的核心区域，而外围节点则出现在较少层数中，反映了现实世界社交网络的结构特征。
• 该方法检测到分层模式，其中整个团可归属于不同社区，这一现象在标准CPM中因缺乏层感知能力而无法出现。
• 基于共享节点与边类型的团邻接关系可防止无关社区的合并，从而保持跨层的结构完整性。
• 算法表明，对边类型异质性施加限制可提升社区同质性，避免产生过于多样化或分散的簇。
• 在真实数据集上的实证结果表明，该方法可在多层中检测到有意义且可解释的社区，包括C18与C24等具有重叠角色的混合型群体。