[論文レビュー] Community Detection in the Labelled Stochastic Block Model

Simon Heimlicher, Marc Lelarge+1 more|arXiv (Cornell University)|Sep 13, 2012

Complex Network Analysis Techniques参考文献 10被引用数 73

ひとこと要約

本稿では、相互作用に複数のタイプ（ラベル）が付与されるラベル付きストークスティックブロックモデルにおけるコミュニティ検出の一般化された検出可能閾値を提案する。ベイズ推論と木構造再構成解析を用いて、ラベルの信号対雑音比と接続確率の閾値が、真の分割との相関を保ったままコミュニティを再構成できるかどうかを決定することを確立する。主な貢献は、複数の推論モデルにおける検出可能化の開始を予測する統一された条件を提示することにある。

ABSTRACT

We consider the problem of community detection from observed interactions between individuals, in the context where multiple types of interaction are possible. We use labelled stochastic block models to represent the observed data, where labels correspond to interaction types. Focusing on a two-community scenario, we conjecture a threshold for the problem of reconstructing the hidden communities in a way that is correlated with the true partition. To substantiate the conjecture, we prove that the given threshold correctly identifies a transition on the behaviour of belief propagation from insensitive to sensitive. We further prove that the same threshold corresponds to the transition in a related inference problem on a tree model from infeasible to feasible. Finally, numerical results using belief propagation for community detection give further support to the conjecture.

研究の動機と目的

• ラベルなしの状況からラベル付きストークスティックブロックモデルへの検出可能閾値の拡張を図ること。
• ラベル付きネットワークデータからコミュニティ構造が再構成可能となる条件を特定すること。
• ベイズ推論、木構造再構成、および数値実験を通じて、閾値の妥当性を検証すること。
• ベイズ推論の感度と木構造再構成の可能性における理論的遷移を、同一の条件で統一すること。

提案手法

• ラベル依存のエッジ確率と接続確率の比に基づく一般化された検出可能条件を定式化すること。
• ラベル付きグラフからのノードコミュニティ推定にベイズ推論を適用し、初期条件への感度を分析すること。
• 木ベースのモデルを用いて再構成可能性を研究し、検出可能閾値と関連付けること。
• ランダムグラフにおける有効抵抗とレイリーの単調性則を用いて収束性と安定性を分析すること。
• 推論が不可能から可能に移行する境界として、臨界閾値 τ = 1 を導出すること。
• ε と a=b のパラメータの変動に応じた再構成性能を数値的に評価するために、オーバーモード指標 Q を用いること。

実験結果

リサーチクエスチョン

• RQ1 ラベル付きストークスティックブロックモデルにおいて、どのような条件下でコミュニティ構造が検出可能となるか。
• RQ2 相互作用ラベルの導入は、ラベルなしモデルと比較して検出可能閾値にどのように影響を与えるか。
• RQ3 同じ閾値がベイズ推論の感度と木構造再構成の可能性を支配するか。
• RQ4 数値的ベイズ推論結果は、検出可能閾値の理論的予測を妥当に裏付けるか。

主な発見

• 提案された閾値 τ > 1 は、ベイズ推論における感度の変化を正しく識別する。
• 同じ閾値 τ = 1 は、関連するラベル付き木モデルにおける再構成可能性の開始を示す。
• 数値的結果から、ε > 1/(2√a) のときのみ、ベイズ推論が非ゼロのオーバーラップ Q を達成することが確認され、理論的閾値と一致する。
• a = b の場合、再構成は ε > 1/(2√a) のときのみ可能であり、これはラベルのみで検出が可能であることを示している。
• a < b の場合、閾値は左方にシフトし、エッジ密度とラベルの情報量が共同で検出可能を向上させることを示している。
• 閾値未満では、複数の初期シードに対してオーバーラップ Q が常にほぼゼロのままであり、一貫した失敗を示している。一方、閾値を超えると Q は着実に増加し、信頼できる検出が可能であることが示されている。