CommunityGAN: 生成対抗ネットワークを用いたコミュニティ検出

コミュニティ検出とは、類似の特性や機能を持つ頂点グループを発見し、ネットワークデータを理解するためのタスクを指します。近年の深層学習の進展に伴い、グラフ表現学習技術もコミュニティ検出に利用されるようになりました。しかし、学習された頂点埋め込みに基づいてクラスタリングアルゴリズムを適用することでしかコミュニティは推論できません。K-meansやガウス混合モデルなどの一般的なクラスタリングアルゴリズムは、多くの実世界ネットワークで非常に一般的であることが証明されている重複コミュニティを多く出力することはできません。本論文では、重複コミュニティ検出とグラフ表現学習を同時に行う新しいコミュニティ検出フレームワークであるCommunityGANを提案します。まず、従来のグラフ表現学習アルゴリズムの埋め込みとは異なり、CommunityGANの埋め込みは頂点がコミュニティに属する強度を示します。次に、特別に設計されたジェネレーティブ・アドバーサリアル・ネットワーク（GAN）が採用され、この埋め込みを最適化します。モチーフレベルのジェネレーターとディスクリミネーター間のミニマックス競争を通じて、両者は互いに交代的に反復して性能を向上させ、最終的にはより良いコミュニティ構造を出力します。合成データと実世界タスクにおける広範な実験により、CommunityGANが最先端手法に対して大幅なコミュニティ検出性能向上を達成していることが示されました。