[論文レビュー] Partitioning Networks with Node Attributes by Compressing Information Flow

Laura Mazzoli Smith, Linhong Zhu+2 more|arXiv (Cornell University)|May 17, 2014

Complex Network Analysis Techniques参考文献 10被引用数 5

ひとこと要約

本稿では、リンクとノード属性の両方の情報フローを統合的に圧縮することで、コンテンツ豊富なネットワークを分割する情報理論的アプローチ、コンテンツマップ方程式を提案する。トップダウンのグリーディー探索によって記述長を最小化することで、内部の情報フローが強く、属性が類似したモジュールを同定する。リンクのみまたは属性を含むベースラインと比較して、調整パラメータを必要とせず、精度と速度の両面で優れている。

ABSTRACT

Real-world networks are often organized as modules or communities of similar nodes that serve as functional units. These networks are also rich in content, with nodes having distinguishing features or attributes. In order to discover a network's modular structure, it is necessary to take into account not only its links but also node attributes. We describe an information-theoretic method that identifies modules by compressing descriptions of information flow on a network. Our formulation introduces node content into the description of information flow, which we then minimize to discover groups of nodes with similar attributes that also tend to trap the flow of information. The method has several advantages: it is conceptually simple and does not require ad-hoc parameters to specify the number of modules or to control the relative contribution of links and node attributes to network structure. We apply the proposed method to partition real-world networks with known community structure. We demonstrate that adding node attributes helps recover the underlying community structure in content-rich networks more effectively than using links alone. In addition, we show that our method is faster and more accurate than alternative state-of-the-art algorithms.

研究の動機と目的

• 現実のネットワークにおいて重要なノード属性を無視する既存のネットワーク分割手法の限界を解決すること。
• リンクと属性を等価に扱う統合的でパrameter-freeなフレームワークを構築すること。
• ノード属性を情報フロー圧縮に組み込むことで、コンテンツ豊富なネットワークにおけるコミュニティ検出の精度と効率を向上させること。
• 属性を考慮した分割が、リンクのみまたはハイブリッド手法と比較して、真のコミュニティ構造とよりよく一致することを示すこと。

提案手法

• ランダムウォークの記述長にノード属性情報を組み込むことで、マップ方程式を拡張し、コンテンツマップ方程式を導入する。
• 各ノードを初期モジュールとして開始し、記述長を短くするように反復的に統合することで、記述長を最小化するグリーディーなボトムアップアルゴリズムを用いる。
• ボトムアップ手法よりもスケーラビリティと計算性能に優れるよう、ランダム再起動を伴うトップダウン探索戦略を提案する。
• LDA やマップ方程式に基づく初期化は性能を低下させることが判明したため、ランダム初期化を採用する。
• 属性表現にはトピックモデリング（例：LDA）を用いるが、複雑な依存関係モデリングを必要とせず、属性のカウントのみを用いることで十分な圧縮が可能となる。
• メッセージ長を最小化することで、属性が類似したノードがモジュール内に閉じ込められる最適な分割を同定する。

実験結果

リサーチクエスチョン

• RQ1 情報フロー圧縮にノード属性を組み込むことで、ネットワークコミュニティ検出の精度が向上するか？
• RQ2 提案手法は、リンクのみまたは属性を含むベースラインと比較して、精度と実行時間の両面で優れているか？
• RQ3 コンテンツマップ方程式は異なる属性表現に対して頑健であり、パrameterチューニングの必要性を排除できるか？
• RQ4 トップダウン探索戦略はボトムアップ手法と比較して、スケーラビリティと解の品質の点で優れているか？

主な発見

• 実世界のネットワーク（例：Citeseer や Pubmed）において、オリジナルのマップ方程式と比較して、コンテンツマップ方程式は純度とF-measureの両面で優れた分割を生成した。
• トップダウンのグリーディー探索（T-CME）はボトムアップ手法（B-CME）よりも低い記述長を達成しており、より高い圧縮効率を示している。
• 6つのデータセットのうち5つにおいて、ランダム初期化がLDA やマップ方程式に基づく初期化を上回った。これは、事前に属性やリンクの重みを割り当てる方が性能を劣化させることを示唆している。
• 特に大規模ネットワークにおいて、最先端の代替手法（BACG や Codicil）と比較して、本手法は高速かつ高精度である。
• リンクと属性の相対的影響に関するパrameterチューニングを必要としないため、より頑健で使いやすい。
• 属性の依存関係を無視しても本手法は有効であるが、相関する属性をモデル化する拡張は、今後の有望な方向性であると同定された。