[論文レビュー] Community detection and stochastic block models: recent developments

Emmanuel Abbé|arXiv (Cornell University)|Mar 29, 2017

Complex Network Analysis Techniques被引用数 418

ひとこと要約

この論文は、ストークスティックブロックモデル（SBMs）におけるコミュニティ検出に関する最近の理論的進展をレビューし、正確復元、部分的復元、弱い復元のための情報理論的および計算的限界を確立する。Chernoff-HellingerおよびKesten-Stigumの閾値における相転移を特定し、スペクトル法、ベイズ的プロパイゲーション、グラフ分割法などのアルゴリズムを分析し、最適性能を達成する。

ABSTRACT

The stochastic block model (SBM) is a random graph model with planted clusters. It is widely employed as a canonical model to study clustering and community detection, and provides generally a fertile ground to study the statistical and computational tradeoffs that arise in network and data sciences. This note surveys the recent developments that establish the fundamental limits for community detection in the SBM, both with respect to information-theoretic and computational thresholds, and for various recovery requirements such as exact, partial and weak recovery (a.k.a., detection). The main results discussed are the phase transitions for exact recovery at the Chernoff-Hellinger threshold, the phase transition for weak recovery at the Kesten-Stigum threshold, the optimal distortion-SNR tradeoff for partial recovery, the learning of the SBM parameters and the gap between information-theoretic and computational thresholds. The note also covers some of the algorithms developed in the quest of achieving the limits, in particular two-round algorithms via graph-splitting, semi-definite programming, linearized belief propagation, classical and nonbacktracking spectral methods. A few open problems are also discussed.

研究の動機と目的

• ストークスティックブロックモデル（SBMs）におけるコミュニティ検出の根本的な情報理論的および計算的限界を確立すること。
• Chernoff-Hellinger閾値における正確復元の相転移と、Kesten-Stigum閾値における弱い復元の相転移を分析すること。
• SBMsにおける部分的復元のための最適な歪み-信号対雑音比（SNR）トレードオフを特定すること。
• コミュニティ検出における情報理論的限界と計算的限界の差を評価すること。
• 理論的限界に到達することを目的とした主なアルゴリズム、例えば半正定値計画法、スペクトル法、ベイズ的プロパイゲーションを調査すること。

提案手法

• コミュニティ検出を研究するための標準的なランダムグラフモデルとしてのストークスティックブロックモデル（SBM）を分析する。
• 特に正確復元のためのChernoff-Hellinger散発度を用いて、情報理論的閾値を導出する。
• 対称的SBMsにおける弱い復元の相転移を特定するために、Kesten-Stigum閾値を適用する。
• 線形化されたベイズ的プロパイゲーションと非バックトラッキングスペクトル法を用いて、理論的限界に近い効率的なコミュニティ検出を実現する。
• 2ラウンドのグラフ分割アルゴリズムを用いて、計算複雑性を低減しながら復元精度を維持する。
• 半正定値計画法の緩和を活用して、保証付きの解法でコミュニティ検出問題を解く。

実験結果

リサーチクエスチョン

• RQ1 ストークスティックブロックモデルにおける正確復元の情報理論的閾値は何か？
• RQ2 弱い復元が可能になるのはいつか—Kesten-Stigum閾値は何か？
• RQ3 SBMsにおける部分的復元の最適な歪み-信号対雑音比（SNR）トレードオフは何か？
• RQ4 コミュニティ検出における情報理論的限界と計算的限界の差はどの程度か？
• RQ5 どのアルゴリズムがSBMsにおけるコミュニティ検出の理論的限界に到達できるか？

主な発見

• SBMにおける正確復元は、信号対雑音比がChernoff-Hellinger閾値を超える場合に限り可能である。
• SBMにおける弱い復元は、Kesten-Stigum閾値を超えると可能となり、明確な相転移が観察される。
• 部分的復元において、最適な歪み-SNRトレードオフは、相互情報量の境界から導かれた明確な解析的表現で特徴づけられる。
• 情報理論的限界と多項式時間アルゴリズムで達成可能な計算的限界との間に顕著なギャップが存在する。
• 2ラウンドのグラフ分割法、半正定値計画法、非バックトラッキングスペクトル法は、さまざまな状況でほぼ最適な性能を達成する。
• 線形化されたベイズ的プロパイゲーションと非バックトラッキングウォークに基づくスペクトル法は、最適な条件下でスパarsなSBMsにおいて正確復元を達成する。