[論文レビュー] Covariate Regularized Community Detection in Sparse Graphs

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

Bayesian Methods and Mixture Models参考文献 53被引用数 8

ひとこと要約

本稿では、スパースなネットワーク構造と有限次元のサブガウスィアン共変量の両方を統合的に活用することで、コミュニティ検出の精度を向上させる凸最適化フレームワークを提案する。各情報源が単独では不十分な状況、特にスパースネットワークにおける弱い分離条件下でも、両者を正則化することでコミュニティ検出問題を改善できることを理論的に示している。

ABSTRACT

In this article, we investigate community detection in networks in the presence of node covariates. In many instances, covariates and networks individually only give a partial view of the cluster structure. One needs to jointly infer the full cluster structure by considering both. In statistics, an emerging body of work has been focused on combining information from both the edges in the network and the node covariates to infer community memberships. However, so far the theoretical guarantees have been established in the dense regime, where the network can lead to perfect clustering under a broad parameter regime, and hence the role of covariates is often not clear. In this article, we examine sparse networks in conjunction with finite dimensional sub-Gaussian mixtures as covariates under moderate separation conditions. In this setting each individual source can only cluster a nonvanishing fraction of nodes correctly. We propose a simple optimization framework which improves clustering accuracy when the two sources carry partial information about the cluster memberships, and hence perform poorly on their own. Our optimization problem can be solved by scalable convex optimization algorithms. With a variety of simulated and real data examples, we show that the proposed method outperforms other existing methodology. Supplementary materials for this article are available online.

研究の動機と目的

• ネットワーク構造や共変量に依存する既存のコミュニティ検出手法には限界があり、特に信号分離が弱いスパースネットワークでは性能を発揮しないこと。
• スパースネットワークデータと有限次元の共変量の両方を統合的に活用する統一フレームワークを構築し、各情報源が部分的な情報しか提供しない状況でもクラスタリング精度を向上させること。
• 両情報源に中程度の分離性が見られる条件下で、平均次数が定数であるスパース領域におけるクラスタリング精度の向上を理論的に保証すること。
• 実際のデータセット（政治的ネットワークや生態的食物連鎖網など）において、既存手法に比べて優れた性能を示すことを実証すること。
• スパース確率的ブロックモデルおよび弱い信号条件下でのサブガウスィアン混合分布のカーネルクラスタリングへの理論的分析を拡張すること。

提案手法

• ネットワーク構造から得られるグラフラプラシアンと、ノードの共変量から導出されるカーネル行列を組み合わせた正則化凸最適化問題を定式化する。
• 半定値計画法（SDP）を用いて最適化問題を解き、スケーラブルかつ理論的に一貫性のあるコミュニティ検出を実現する。
• ネットワークと共変量からの情報のバランスを取る正則化項を導入し、一方の情報源がノイズや弱い信号を持つ場合でもロバスト性を確保する。
• 有限次元のサブガウスィアン共変量を再生核ヒルバート空間にマップするカーネル法を用い、クラスタの非線形分離を可能にする。
• 有向ネットワーク（例：ウェッデル海食物連鎖網）に対応するため、しきい値を適用した対称化された隣接行列を用いる。
• チューニングパラメータを用いてネットワーク情報と共変量情報のトレードオフを制御し、クラスタリング精度を最適化する。

実験結果

リサーチクエスチョン

• RQ1 スパースネットワークデータと有限次元の共変量を組み合わせることで、単独での利用より優れたコミュニティ検出が可能になるか？
• RQ2 スパースネットワークにおいて、ネットワークと共変量の両方の情報を統合することで、どのような条件下でクラスタリング精度が向上するか？
• RQ3 ネットワークと共変量の両方が個別に一貫性のないクラスタリングをもたらす状況下でも、提案手法が理論的に一貫性を持つのか？
• RQ4 両情報源に弱い信号や直交的信号が存在する実世界のデータセットにおいて、本手法はどのように性能を発揮するか？
• RQ5 本手法は、複数の情報源や共変量における非線形なクラスタ境界に対しても一般化可能か？

主な発見

• メキシコ政治的エリートデータセットにおいて、本手法は正規化相互情報量（NMI）0.46を達成し、ACASC（0.37）やJCDC（0.25）を上回った。
• ウェッデル海食物連鎖網において、本手法はNMI 0.51を達成し、SDP-net（0.36）、SDP-cov（0.22）、ACASC（0.32）、JCDC（0.42）を著しく上回った。
• ネットワークの接続数が等しくても、市民としての共変量を持つ政治家のような曖昧なノードに対しても、両信号を統合することで適切に分類できた。
• シミュレーションでは、両情報源が直交的または部分的な情報を持つ状況下でも、本手法はクラスタリング精度を向上させ、各情報源単独では性能が低い場合でも有効であった。
• 理論的分析から、個別に情報源が有効でない場合でも、本手法は分離性の要件を緩和した条件下でクラスタリング誤差の上界を改善することが示された。
• 両情報源の信号強度が弱くても本手法はロバストであり、極限においてどちらの情報源も一貫性のあるクラスタリングを提供しない状況でも、一貫した改善が得られた。