[論文レビュー] Correlated Stochastic Block Models: Exact Graph Matching with Applications to Recovering Communities

Miklós Z. Rácz, Anirudh Sridhar|arXiv (Cornell University)|Jul 14, 2021

Complex Network Analysis Techniques参考文献 66被引用数 13

ひとこと要約

本稿は、相関付きストースティックブロックモデル（SBM）における正確なグラフマッチングを研究し、複数の相関付きネットワークから正確なコミュニティ回復を可能にする。平均次数が対数的である2つの相関付きSBMにおける正確な頂点対応回復の情報理論的閾値を確立し、単一グラフでは不可能な場合でも、複数のグラフを用いることで正確なコミュニティ検出が可能になることを示した。

ABSTRACT

We consider the task of learning latent community structure from multiple correlated networks. First, we study the problem of learning the latent vertex correspondence between two edge-correlated stochastic block models, focusing on the regime where the average degree is logarithmic in the number of vertices. We derive the precise information-theoretic threshold for exact recovery: above the threshold there exists an estimator that outputs the true correspondence with probability close to 1, while below it no estimator can recover the true correspondence with probability bounded away from 0. As an application of our results, we show how one can exactly recover the latent communities using multiple correlated graphs in parameter regimes where it is information-theoretically impossible to do so using just a single graph.

研究の動機と目的

• 平均次数が頂点数に関して対数的である2つの相関付きストースティックブロックモデル（SBM）間における正確な頂点対応回復の情報理論的限界を特定すること。
• 単一ネットワーク推論が不可能な状況において、複数の相関付きネットワークをどのように活用して隠れたコミュニティ構造を回復できるかを調査すること。
• 相関付きSBM設定において、正確な頂点対応およびコミュニティ構造の回復のための明確な閾値を確立すること。
• 単一グラフコミュニティ検出の根本的制限を越えるために、複数の相関付きグラフを組み合わせることで、スパースな領域においても正確なコミュニティ回復が可能になることを示すこと。

提案手法

• 2つの対称的コミュニティをもつ2つのエッジ相関付きSBM間の正確なグラフマッチング問題を形式化する。
• 頂点数に関して平均次数が対数的である領域を分析し、情報理論的限界に焦点を当てる。
• 尤度に基づく推定器と集中不等式を用いて、正確な頂点対応回復の鋭い閾値を導出する。
• 正確な対応が達成された場合に、閾値を超えると正確なコミュニティ検出が可能になることを示すことにより、グラフマッチング結果をコミュニティ回復に応用する。
• カップリング論法と分布的同等性を用いて不可能性結果を証明する：閾値が臨界値未満の場合、いかなる推定器も非消える確率で真の対応を回復できない。
• 単一のSBMから合成的マルチレイヤーグラフを構築し、複数の相関付きネットワークをシミュレートすることで、既知の単一グラフ回復結果への還元を可能にする。

実験結果

リサーチクエスチョン

• RQ1 平均次数が対数的である2つの相関付きSBM間における正確な頂点対応回復の情報理論的閾値は何か？
• RQ2 単一グラフ回復が不可能なパrameter領域において、複数の相関付きグラフが正確なコミュニティ回復を可能にするか？
• RQ3 ネットワーク間の相関が、コミュニティ検出およびグラフマッチングの根本的限界にどのように影響するか？
• RQ4 相関付きSBMにおいて、正確な頂点対応およびコミュニティ構造の回復が可能になる条件は何か？
• RQ5 相関付きSBMにおいて、非消える確率で真の頂点対応を回復できる推定器が存在しない根本的限界は何か？

主な発見

• 本稿は、2つの相関付きSBMにおける正確な頂点対応回復の鋭い情報理論的閾値を確立した：閾値を超えると、高確率で正確な回復が可能になるが、それ未満ではいかなる推定器も非消える成功確率を達成できない。
• 相関パラメータが $ s^2(α + β)/2 > 1 $ を満たす場合、正確なグラフマッチングが可能となり、複数の相関付きグラフから正確なコミュニティ回復が可能になる。
• 単一グラフコミュニティ検出が情報理論的に不可能なパラメータ領域においても、複数の相関付きグラフを用いることで正確なコミュニティ回復が可能になる。
• 正確な頂点対応回復の閾値は、尤度に基づく推定器と測度の集中技術を用いて導出された。
• 背理法による証明により、複数の相関付きグラフを用いて正確なコミュニティ回復が非消える確率で可能であると仮定すると、既知の単一グラフ回復不可能性結果と矛盾が生じる。
• 単一SBMから合成的マルチレイヤーグラフを構築することで、マルチネットワーク問題を単一ネットワーク設定に還元でき、閾値未満では回復が不可能であることを証明した。