Mais conteúdo relacionado
Semelhante a Lab-ゼミ資料-4-20150430 (18)
Lab-ゼミ資料-4-20150430
- 6. ネットワーク科学の道具箱
5章 コミュニティ抽出法
• 絶対評価型
• ノードの周辺の比較的局所的な情報に着目
• コミュニティの境界を設定するための閾値を元に定義する
• クリーク
• 3個以上のノードの集合が完全グラフとなっている部分集合
• K-‐プレックス
• ノード数Nに対して、すべてのノードが少なくともN-‐k個のノードと互いに結合
している部分ネットワーク
6/13
- 7. ネットワーク科学の道具箱
5章 コミュニティ抽出法
• K-‐クリーク-‐コミュニティ
• 互いに接しているサイズk以上のクリークすべての和集合
• 二つのサイズkのクリークがk-‐1個のノードを共有している
• K-‐コア
• 部分ネットワークの中で、すべてのノードの次数がk以上になっているもの
• K-‐デンス
• 隣接する任意のノード同士がすべてk-‐2個以上の隣接ノードを共有している
K-‐クリーク ⊂ K-‐デンス ⊂ k-‐コア
7/13
- 8. ネットワーク科学の道具箱
5章 コミュニティ抽出法
• 相対評価型
• ネットワークのサイズに依存するようなパラメータを必要としない
• リンク構造の細かい差異は無視されてしまう
• Min-‐cutコミュニティ
• コミュニティ内のノードへのリンク数 > コミュニティ外のノードへのリンク数
= ネットワークの最小分割を求めること
• ラムダセット
• 変連結度を用いてノード間の繋がりの強さを比較する
8/13
- 9. ネットワーク科学の道具箱
5章 コミュニティ抽出法
• LSセット
• コミュニティ内部の部分集合に対して、
コミュニティ内部と外部それぞれへのリンクの数を比較する
• Back and Husain コミュニティ
• コミュニティ内部のリンク数を可能なリンクの総数で割ったもの
r*12 =
2 ∑ 𝐴(𝑖, 𝑗)*, <∈>∗
𝑁∗(𝑁 − 𝑁∗)
• コミュニティ外部とのリンク密度の比
rBCD =
2 ∑ ∑ 𝐴(𝑖, 𝑘)*∈>∗E∉>∗
𝑁∗(𝑁 − 𝑁∗)
9/13
- 10. ネットワーク科学の道具箱
5章 コミュニティ抽出法
• Newman Fast アルゴリズム (NF法)
• あるノードとあるノードを結合した際の全体のQの増加量ΔQが最大となるよ
うにノード結合を繰り返す
• 数万規模の計算なら実用的
… 数十万規模のネットワークでは実用的でない
• Clauset Newman Moore アルゴリズム(CNM法)
• 基本はNewman Fast法と同じ
• リンク数の計算を省くことで計算を高速化
• 抽出結果はNF法と同じ
10/13
- 12. ネットワーク科学の道具箱
7章 様々な現象に見られるべき乗則
• 𝑦 = 𝑐𝑥J
-‐> log 𝑦 = alog 𝑥 + log 𝑐
• 自然界のべき乗則の例
• Webサイトのヒット件数の分布
• 科学論文の引用回数の分布
• 森林火災の発生と森林密度の関係
• 優先的選択
• 富めるものはますます富む
• 自己組織化臨界現象
• パラメーターのチューニングなしに、自然とあるパターンを作り出す
12/13