[论文解读] Link communities reveal multiscale complexity in networks

Yong‐Yeol Ahn, James P. Bagrow+1 more|arXiv (Cornell University)|Mar 18, 2009

Complex Network Analysis Techniques参考文献 67被引用 96

一句话总结

本文提出链社区——即以链接而非节点为单位的社区——作为一种新颖的框架，用于同时捕捉网络中的重叠结构与层次结构。通过在链接层面重新定义社区，并采用基于划分密度目标函数的层次聚类方法，该方法揭示了多尺度组织结构，避免了传统基于节点的方法所固有的分辨率限制，在多种真实网络中均优于标准算法。

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.

研究动机与目标

• 为解决现有基于节点的方法无法同时捕捉重叠与层次社区结构的根本挑战。
• 提出一种新范式：将社区定义为相互关联的链接集合，而非节点，从而自然地表示多重关系。
• 在链接上开发一种层次聚类方法，揭示多尺度组织结构，同时在节点层面上保持重叠性。
• 引入划分密度度量 $D$，避免模块度固有的分辨率限制，实现最优社区检测。
• 通过包含真实元数据的11种多样化真实网络，实证验证链社区相较于基于节点的方法的优越性。

提出的方法

• 将社区定义为紧密关联的链接集合，每个链接仅归属于一个社区，允许节点通过其链接继承多重成员身份。
• 通过基于链接间相似性的层次聚类构建树状图，其中每个叶节点代表一个网络链接，内部节点代表链接社区。
• 使用划分密度 $D$ 作为目标函数，以确定树状图的最佳切割层级，平衡内部链接密度与社区质量。
• 直接优化 $D$ 或在树状图的每一层计算 $D$，以选择最优社区结构，避免模块度固有的分辨率限制。
• 通过聚合某一社区内所有链接的成员身份，提取重叠的节点社区，使节点可同时属于多个群体。
• 将链社区与基于 clique percolation、greedy modularity 和 Infomap 的节点社区进行比较，采用11个真实网络的综合性能评分。

实验结果

研究问题

• RQ1 基于链接的社区检测框架能否同时揭示网络中的重叠与层次结构？
• RQ2 在链接层面定义社区是否能克服传统基于节点的方法（如模块度）的分辨率限制？
• RQ3 链社区在多样化网络类型中的性能与现有基于节点的算法相比如何？
• RQ4 链社区能否捕捉生物与社交网络中具有意义的、多尺度的功能子结构？
• RQ5 是否存在一种系统性方法，用于确定层次链接聚类中社区粒度的最优层级？

主要发现

• 链社区成功揭示了网络中同时存在的重叠与层次组织结构，表明这两种特征并非相互排斥，而是同一基础结构的不同方面。
• 该方法在11个真实网络中均优于基于节点的算法（clique percolation、greedy modularity、Infomap），在11个数据集中有7个达到最高的归一化综合性能评分。
• 在代谢网络 iAF1260 中，链社区的综合得分为 1.221，显著优于次优方法（k=6 的 clique percolation，得分为 1.142）。
• 在 Amazon 产品网络中，链社区的综合得分为 1.038，而最佳 clique percolation 结果（k=3）仅为 0.912，显示出更优的覆盖范围与质量。
• 基于链接的方法在手机网络中识别出从城市内部到区域尺度的层次化社区结构，且重叠性得到充分保留。
• 划分密度度量 $D$ 有效识别出树状图中的最优社区切割层级，避免分辨率限制，并实现了多尺度下有意义子结构的检测。