[論文レビュー] Convex Relaxation for Community Detection with Covariates

Bowei Yan, Purnamrita Sarkar|arXiv (Cornell University)|Jul 10, 2016

Complex Network Analysis Techniques参考文献 28被引用数 6

ひとこと要約

本稿では、コミュニティ検出のための凸緩和法を提案し、ネットワーク構造とノード共変量を統合的に活用する。両者の情報が直交している（個々に不十分）場合、それらを組み合わせることで漸近的に一貫したクラスタリングが可能であることを示している。主な貢献は、個々に失敗するが両者を併用することで一貫性のある回復が達成されることを理論的に証明した点である。

ABSTRACT

Community detection in networks is an important problem in many applied areas. In this paper, we investigate this in the presence of node covariates. Recently, an emerging body of theoretical work has been focused on leveraging information from both the edges in the network and the node covariates to infer community memberships. However, so far the role of the network and that of the covariates have not been examined closely. In essence, in most parameter regimes, one of the sources of information provides enough information to infer the hidden cluster labels, thereby making the other source redundant. To our knowledge, this is the first work which shows that when the network and the covariates carry orthogonal pieces of information about the cluster memberships, one can get asymptotically consistent clustering by using them both, while each of them fails individually.

研究の動機と目的

• ネットワークエッジとノード共変量がコミュニティ検出に果たす統合的役割を調査すること。
• ネットワークと共変量がコミュニティ所属に関する直交する情報を提供するパラメータ領域を特定すること。
• 両者の情報を同時に活用して一貫したクラスタリングを実現する手法を開発すること。
• 両方のデータソースを組み合わせることで一貫性のある回復が達成される条件を理論的に確立すること。ただし、個々の情報源では失敗する。

提案手法

• ネットワーク隣接行列とノード共変量を組み合わせた凸最適化問題としてコミュニティ検出を定式化すること。
• 非凸尤度最大化問題の凸緩和を用いて、計算可能な推論を可能にすること。
• 共変量に基づくクラスタ割り当てからの逸脱をペナルティとする正則化尤度項を導入し、共変量情報を統合すること。
• 凸緩和が漸近的に一貫したクラスタリングを達成するための理論的条件を導出すること。
• ネットワークと共変量からのフィッシャー情報量を比較することで、統合推論の情報理論的限界を分析すること。

実験結果

リサーチクエスチョン

• RQ1 ネットワークエッジとノード共変量がコミュニティラベルに関する直交する情報を提供するのはどのような条件下か？
• RQ2 両者の情報源が個別に失敗する場合でも、凸緩和法が両者を併用することで一貫したコミュニティ検出を達成できるか？
• RQ3 高次元設定下で、ネットワークと共変量の相対的寄与度がクラスタリングの一貫性にどのように影響するか？
• RQ4 直交する情報環境下で、凸緩和を用いた統合推論に対して理論的保証をどのように確立できるか？

主な発見

• ネットワークと共変量がコミュニティラベルに関して直交する情報を提供する場合、いずれの情報源でも一貫したクラスタリングは達成できない。
• 両者の情報源を併用することで、個別に失敗する場合でも漸近的に一貫したコミュニティ検出が可能になる。
• 提案された凸緩和法は、これらの直交的状況下でもコミュニティ所属を正しく回復する。
• 理論的分析により、直交的状況下でネットワークと共変量からの情報が補完的であることが確認された。
• 本手法は、両者の個別信号を超えて、二つのデータソース間の相乗効果を活用することで一貫したクラスタリングを達成する。