[论文解读] Size Matters: A Comparative Analysis of Community Detection Algorithms

Paul Wagenseller, Feng Wang|arXiv (Cornell University)|Dec 3, 2017

Complex Network Analysis Techniques被引用 3

一句话总结

本文將社區規模——特別是鄧巴數字（150）——引入為評估社群探測演算法的關鍵、獨立維度，提出一種基於團塊的團塊增強演算法（CAA），以控制社區規模與重疊。研究發現，Infomap 與 CAA 優於其他演算法，能產生更理想規模的社區；而基於模組度的演算法（如 FastGreedy 與特徵向量）則產生極其龐大、實際上無意義的社區。

ABSTRACT

Understanding community structure of social media is critical due to its broad applications such as friend recommendations, user modeling and content personalizations. Existing research uses structural metrics such as modularity and conductance and functional metrics such as ground truth to measure the qualify of the communities discovered by various community detection algorithms, while overlooking a natural and important dimension, community size. Recently, anthropologist Dunbar suggests that the size of stable community in social media should be limited to 150, referred to as Dunbar's number. In this study, we propose a systematic way of algorithm comparison by orthogonally integrating community size as a new dimension into existing structural metrics for consistently and holistically evaluating the community quality in social media context. we design a heuristic clique based algorithm which controls the size and overlap of communities with adjustable parameters and evaluate it along with five state-of-the-art community detection algorithms on both Twitter network and DBLP network. Specifically, we divide the discovered communities based on their size into four classes called close friend, casual friend, acquaintance, and just a face, and then calculate the coverage, modularity, triangle participation ratio, conductance, transitivity, and the internal density of communities in each class. We discover that communities in different classes exhibit diverse structural qualities and many existing community detection algorithms tend to output extremely large communities.

研究动机与目标

• 為解決社群探測演算法評估中被忽略的社群規模角色，特別是在社交網絡中的應用。
• 將鄧巴的數字（150）作為社會學基準，用於識別社交媒體中「理想」的社群規模。
• 系統性地評估最尖端的演算法，不僅依傳統結構指標，也依社群規模分佈。
• 提出並評估一種新型基於團塊的演算法（CAA），透過可調節閾值控制社群規模與重疊。
• 在四種基於規模的社群類別中比較演算法表現：密切朋友、一般朋友、認識的人、僅是面孔。

提出的方法

• 提出一種團塊增強演算法（CAA），透過逐漸增加的閾值與重疊閾值，識別最大團塊並將其合併為社群。
• 使用逐漸增加的閾值控制社群規模，並使用重疊閾值調節社群間的重疊程度。
• 將檢測到的社群分為四類基於規模的類別：4–10（密切朋友）、11–50（一般朋友）、51–150（認識的人）與 >150（僅是面孔）。
• 使用六項結構指標評估演算法：擴展模組度、三角形參與比率（TPR）、導電度、內部密度、轉接性與覆蓋率。
• 使用兩個真實網絡：Twitter 關注者網絡與 DBLP 合作作者網絡，並在兩者間保持一致的評估方式。
• 比較六種演算法：Infomap、Multilevel、FastGreedy、Eigenvector、Label Propagation 與所提出的 CAA。

实验结果

研究问题

• RQ1 當社群規模被視為獨立的評估維度時，不同社群探測演算法的表現如何？
• RQ2 現有演算法在多大程度上產生符合鄧巴數字（150）的社群規模？此數字被視為穩定社交群體的認知極限。
• RQ3 不同社群規模類別中的結構品質指標（模組度、導電度、TPR 等）如何變化？
• RQ4 基於團塊的演算法（CAA）能否有效控制社群規模與重疊，同時維持高結構品質？
• RQ5 哪些演算法在理想社群規模（4–150）內實現最高的使用者覆蓋率，且不產生極其龐大、不切實際的社群？

主要发现

• Infomap 與 CAA 在理想社群規模（4–150）內達到了最高的使用者覆蓋率，Infomap 在 Twitter 與 DBLP 網絡中均覆蓋超過 90% 的使用者。
• 模組度最大化的演算法（Multilevel、FastGreedy、Eigenvector）產生極其龐大的社群——Eigenvector 在 Twitter 中識別出佔 71.6% 用戶的社群，在 DBLP 中則達 99.5%，導致其實際意義極低。
• Infomap 的高模組度並非來自單一龐大社群，而是來自四類規模類別的均衡貢獻；而其他演算法的得分則被龐大社群主導。
• 模組度基於的演算法導電度表現較佳，顯示其與網絡其餘部分的分離性更強，但代價是產生不切實際的龐大社群。
• CAA 在三角形參與比率（TPR）上表現最佳，DBLP 中達 90.1%，Twitter 中達 89.2%，顯示強烈的局部聚類與結構凝聚力。
• 內部密度與轉接性在各演算法間相近，但 CAA 在理想規模社群（4–150）中於此兩項指標上略勝其他演算法。