[論文レビュー] Matched bipartite block model with covariates

Zahra S. Razaee, Arash A. Amini+1 more|arXiv (Cornell University)|Mar 15, 2017

Complex Network Analysis Techniques参考文献 32被引用数 4

ひとこと要約

本稿では、共変量を統合したマッチドバイパーティートブロックモデルを提案し、変分推論を用いて効率的にモデルを適合させる。主な貢献は、マッチドコミュニティ間で統計的に関連するノードの共変量を統合することにより、スパースまたはノイズの多いネットワークでもクラスタリング精度が向上することである。

ABSTRACT

Community detection or clustering is a fundamental task in the analysis of network data. Many real networks have a bipartite structure which makes community detection challenging. In this paper, we consider a model which allows for matched communities in the bipartite setting, in addition to node covariates with information about the matching. We derive a simple fast algorithm for fitting the model based on variational inference ideas and show its effectiveness on both simulated and real data. A variation of the model to allow for degree-correction is also considered, in addition to a novel approach to fitting such degree-corrected models.

研究の動機と目的

• 両側のコミュニティ間に一対一の対応が期待または必要とされるバイパーティートネットワークにおけるコミュニティ検出の課題に対処すること。
• マッチドコミュニティ構造を尊重しつつ、両側間での情報共有を可能にする形で、ノードの共変量をコミュニティ検出プロセスに統合すること。
• コミュニティ所属とマッチング関係を同時に推定する高速かつスケーラブルな推論アルゴリズムを、変分推論に基づいて開発すること。
• 度数補正付きの設定へのモデルの拡張を図り、ノードの次数の非均一性を許容しつつも、マッチドコミュニティ構造を維持すること。
• シミュレーテッドおよび実世界のデータを用いた実証的評価を通じて、モデルのスパarsityおよびノイズに対するロバストネスを示すこと。

提案手法

• 両側のコミュニティ間に潜在的な一対一マッチングを有するバイパーティートネットワークに拡張した確率的ブロックモデル（SBM）の生成モデルを提案。
• マッチドコミュニティに属するノードの共変量が共通の分布に従うという階層ベイズ枠組みを導入し、両側間での情報共有を可能にする。
• 変分推論を用いてコミュニティ所属およびモデルパラメータの後erior分布を近似し、高速かつスケーラブルな適合を実現。
• 変分下界に対する逐次的ブロック座標上昇を用いて、度数補正あり・なしの両バージョンを統一的に処理するアルゴリズムを導出。
• 共変量間の統計的連関をモデル化する一般化された共分散行列を導入し、共変量の影響を柔軟に調整可能にする。
• データ不足下でのロバストネスとパフォーマンスをテストするため、実世界のウィキペディアネットワーク（CitiesおよびTopArticles）にモデルを適用し、サブサンプリングおよびErdős–Rényiノイズの追加を実施。

実験結果

リサーチクエスチョン

• RQ1 バイパーティートネットワークの両側に存在するコミュニティ間に一対一のマッチングを強制する生成モデルは、標準的な共クラスタリング手法と比較して、コミュニティ検出精度を向上させることができるか？
• RQ2 次元が異なり、部分的にしか観測されない両側のバイパーティートネットワークにおけるノード共変量を、コミュニティ検出モデルに効果的に統合する方法は何か？
• RQ3 スパースまたはノイズの多いバイパーティートネットワークにおいて、共変量はクラスタリングパフォーマンスをどの程度向上させるか、特に一方の側に共変量がない場合にその影響は？
• RQ4 度数補正あり・なしの両バージョンのマッチドバイパーティートブロックモデルを効率的に適合できる統一された変分推論フレームワークを開発できるか？
• RQ5 ネットワークのスパarsityや追加ノイズ下でモデルのパフォーマンスはどの程度劣化し、共変量はその劣化を緩和できるか？

主な発見

• 共変量を統合したmbiSBM（マッチドバイパーティートSBM）は、標準的なbiSC（共クラスタリング）と比較して、正規化相互情報量（NMI）の観点で顕著に優れている。特にネットワークのスパarsityおよびノイズ下で顕著な優位性を示す。
• Citiesネットワークでは、サブサンプリング下で共変量を追加することでNMIが約0.8からほぼ1.0に向上し、データ損失に対する強いロバストネスを示した。
• TopArticlesネットワークでは、1つの共変量しか利用できなかったが、mbiSBMは平均次数が低い状況でもNMIが0.98に達し、ランダム推測のベースライン（0.42）を著しく上回った。
• モデルは片方の側からの共変量情報をもう片方の側に効果的に転送し、片方の側に共変量がある場合でもマッチドNMIの向上を実現した。
• Erdős–Rényiノイズを追加した状況でも、mbiSBMは共変量を統合することでbiSCと比較してより滑らかに性能が低下し、より高いロバストネスを示した。
• 度数補正付きバージョンのモデルは、さまざまなネットワーク次数の下でも強力なパフォーマンスを維持しており、複雑な状況下でも提案された変分推論アプローチの有効性を裏付けた。