[논문 리뷰] Link communities reveal multiscale complexity in networks

Yong‐Yeol Ahn, James P. Bagrow외 1명|arXiv (Cornell University)|2009. 03. 18.

Complex Network Analysis Techniques참고 문헌 67인용 수 96

한 줄 요약

이 논문은 네트워크의 겹침 구조와 계층적 구조를 동시에 포착할 수 있는 새로운 프레임워크로 링크 커뮤니티—노드가 아닌 링크의 집합으로서의 커뮤니티—를 제안한다. 링크 수준에서 커뮤니티를 재정의하고, 분할 밀도 목적 함수를 사용한 계층적 군집화를 통해 전통적인 노드 기반 접근 방식의 해상도 한계를 초월한 다스케일 조직을 드러내며, 다양한 실제 네트워크에서 표준 알고리즘을 능가한다.

ABSTRACT

Networks have become a key approach to understanding systems of interacting objects, unifying the study of diverse phenomena including biological organisms and human society. One crucial step when studying the structure and dynamics of networks is to identify communities: groups of related nodes that correspond to functional subunits such as protein complexes or social spheres. Communities in networks often overlap such that nodes simultaneously belong to several groups. Meanwhile, many networks are known to possess hierarchical organization, where communities are recursively grouped into a hierarchical structure. However, the fact that many real networks have communities with pervasive overlap, where each and every node belongs to more than one group, has the consequence that a global hierarchy of nodes cannot capture the relationships between overlapping groups. Here we reinvent communities as groups of links rather than nodes and show that this unorthodox approach successfully reconciles the antagonistic organizing principles of overlapping communities and hierarchy. In contrast to the existing literature, which has entirely focused on grouping nodes, link communities naturally incorporate overlap while revealing hierarchical organization. We find relevant link communities in many networks, including major biological networks such as protein-protein interaction and metabolic networks, and show that a large social network contains hierarchically organized community structures spanning inner-city to regional scales while maintaining pervasive overlap. Our results imply that link communities are fundamental building blocks that reveal overlap and hierarchical organization in networks to be two aspects of the same phenomenon.

연구 동기 및 목표

• 기존의 노드 기반 방법이 동시에 포착하지 못하는 네트워크 내에서 겹침 구조와 계층적 커뮤니티 구조를 조화시키는 근본적 과제를 해결하기 위해.
• 커뮤니티를 노드가 아니라 상호연관된 링크의 집합으로 정의하는 새로운 범주를 제안하여 다중 관계를 자연스럽게 표현할 수 있도록 하기 위해.
• 노드 수준에서의 겹침을 유지하면서 다스케일 조직을 드러내는 링크 기반의 계층적 군집화 접근법을 개발하기 위해.
• 모듈라리티의 해상도 한계를 피하고 최적의 커뮤니티 탐지를 가능하게 하는 분할 밀도 메트릭을 도입하기 위해.
• 실제 네트워크의 참값 메타데이터를 활용하여 다양한 실제 네트워크에서 링크 기반 커뮤니티가 노드 기반 방법보다 뛰어난 성능을 보임을 실증적으로 검증하기 위해.

제안 방법

• 각 링크가 단일 커뮤니티에 할당되며, 노드는 링크를 통해 다중 소속을 상속할 수 있도록, 밀접하게 관련된 링크의 집합으로 커뮤니티를 정의한다.
• 링크 간 유사도 측정을 사용한 계층적 군집화를 통해 계층도를 구성하며, 각 리프는 네트워크의 링크를 나타내고 내부 노드는 링크 커뮤니티를 나타낸다.
• 분할 밀도 $D$ 를 목적 함수로 사용하여 계층도를 잘라내는 최적의 수준을 식별하며, 내부 링크 밀도와 커뮤니티 품질 간의 균형을 맞춘다.
• 직접 $D$ 를 최적화하거나 계층도의 각 수준에서 $D$ 를 계산하여 최상의 커뮤니티 구조를 선택함으로써, 모듈라리티에 내재된 해상도 한계를 피한다.
• 커뮤니티에 속한 모든 링크의 소속을 집계하여 겹침 노드 커뮤니티를 추출함으로써, 노드가 여러 그룹에 소속될 수 있도록 한다.
• 클리크 퍼콜레이션, 그레디 모듈라리티, 인포맵과 같은 노드 기반 커뮤니티와의 성능을 복합 성능 점수 기반으로 비교하여 11개의 실제 네트워크에서 평가한다.

실험 결과

연구 질문

• RQ1 링크 기반 커뮤니티 탐지 프레임워크는 네트워크에서 겹침 구조와 계층적 조직을 동시에 드러낼 수 있는가?
• RQ2 커뮤니티를 링크 수준에서 정의하는 것이 기존의 모듈라리티와 같은 노드 기반 방법의 해상도 한계를 극복할 수 있는가?
• RQ3 다양한 네트워크 유형에서 링크 기반 커뮤니티의 성능은 기존의 노드 기반 알고리즘과 비교해 어떻게 되는가?
• RQ4 링크 기반 커뮤니티는 생물학적 및 사회적 네트워크에서 의미 있는 다스케일 기능적 하위조직을 포착할 수 있는가?
• RQ5 계층적 링크 기반 군집화에서 커뮤니티의 최적의 세분화 수준을 결정할 수 있는 원칙적인 방법이 존재하는가?

주요 결과

• 링크 기반 커뮤니티 방법은 네트워크에서 겹침 구조와 계층적 조직을 성공적으로 드러내며, 이 두 특성은 상호 배타적인 것이 아니라 동일한 기초 구조의 측면임을 입증한다.
• 11개의 실제 네트워크에서 노드 기반 알고리즘(클리크 퍼콜레이션, 그레디 모듈라리티, 인포맵)을 능가하며, 복합 성능 점수 기준으로 11개 데이터셋 중 7개에서 가장 높은 정규화된 복합 성능 점수를 기록했다.
• 대사 네트워크 iAF1260에서 링크 기반 커뮤니티는 복합 점수 1.221을 기록했으며, 다음으로 높은 성능을 낸 클리크 퍼콜레이션(k=6)의 점수 1.142보다 유의미하게 뛰어났다.
• 아마존 제품 네트워크에서는 링크 기반 커뮤니티가 복합 점수 1.038을 기록했고, 최고의 클리크 퍼콜레이션 결과(k=3)의 0.912보다 우수한 커버리지와 품질을 보였다.
• 모바일 폰 네트워크에서는 도심에서 지역 규모까지 이르는 계층적 조직을 가진 커뮤니티가 링크 기반 접근법에 의해 드러났으며, 겹침이 광범위하게 유지되었다.
• 분할 밀도 메트릭 $D$ 는 계층도에서 최적의 커뮤니티 컷을 효과적으로 식별하여 해상도 한계를 피하고 다양한 스케일에서 의미 있는 하위조직을 탐지할 수 있도록 했다.