[論文レビュー] Stochastic Block Model and Community Detection in the Sparse Graphs: A spectral algorithm with optimal rate of recovery

Peter Chin, Anup Rao+1 more|arXiv (Cornell University)|Jan 20, 2015

Complex Network Analysis Techniques参考文献 25被引用数 94

ひとこと要約

本稿では、k個のブロックをもつスパースなストーキア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ための単純なスペクトル的手法を提示する。この手法は最適な回復レートを達成する。$(a-b)^2/(a+b) \geq C \log(1/\gamma)$ の条件下で、高確率に$\gamma$-正しい分割を回復できることを証明し、スパースグラフにおける最適な回復閾値に関する未解決の問題を解決する。

ABSTRACT

In this paper, we present and analyze a simple and robust spectral algorithm for the stochastic block model with $k$ blocks, for any $k$ fixed. Our algorithm works with graphs having constant edge density, under an optimal condition on the gap between the density inside a block and the density between the blocks. As a co-product, we settle an open question posed by Abbe et. al. concerning censor block models.

研究の動機と目的

• k個のブロックをもつスパースなストーキア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ための単純で頑健なスペクトル的手法の開発。
• エッジ確率が定数であるスパースグラフにおけるコミュニティ検出の最適な回復閾値の確立。
• ストーキアスティックブロックモデルにおける$\gamma$-正しい回復に必要な最小条件に関する未解決の問題の解決。
• 不均一なブロックサイズを許容する一般のkブロックモデルへの分析の拡張。
• 導出された条件が定数因子の範囲でタイトであることを証明し、ミニマックス下界と一致することを示す。

提案手法

• アルゴリズムは、ランダムグラフの隣接行列に対するスペクトルクラスタリングを用い、最大固有値に対応する固有ベクトルを活用してコミュニティ構造を回復する。
• 主固有ベクトルに対してしきい値処理と丸め処理を施し、ノードをコミュニティに割り当てる。
• 解析は、ブロック構造をもつランダム行列の濃度不等式およびスペクトルノルムの境界に依存する。
• 誤差項を制御するため、ノードの次数と固有値の減衰に基づいて解析をケースごとに分割する。
• 定数のきめ細かい管理と幾何級数の境界を用いて、ノードペアの和を制御する。
• この手法はブロックサイズの不均衡に対しても頑健であり、わずかな修正で不均一なブロックサイズに対しても自然に拡張可能である。

実験結果

リサーチクエスチョン

• RQ1 スパースなストーキアスティックブロックモデルにおける$\gamma$-正しいコミュニティ回復を可能にする、内部ブロックと外部ブロックのエッジ確率の差に必要な最小条件は何か？
• RQ2 強い$a$と$b$に関する仮定を必要としない単純なスペクトル的手法が、最適な回復レートを達成できるか？
• RQ3 回復閾値における$\log(1/\gamma)$依存性はタイトか、それ以上に改善可能か？
• RQ4 固定された$k$に対する一般の$k$-ブロック設定では、このアルゴリズムはどのように動作するか？
• RQ5 不均一なブロックサイズを扱えるか、同時に最適な回復保証を維持できるか？

主な発見

• k=2の場合、$(a-b)^2/(a+b) \geq C \log(1/\gamma)$ の条件下で、スペクトル的手法は高確率に$\gamma$-正しい回復を達成し、予想される最適閾値と一致する。
• アルゴリズムは単純で頑健であり、多項式時間で実行可能であり、従来の複雑なアルゴリズムを改善する。
• 一般のkブロックの場合、$(a-b)^2 \geq C_2 k^2 a \log(1/\gamma)$ の条件が、高確率に$\gamma$-正しい回復を保証する。
• 結果は定数因子の範囲でタイトであり、ミニマックス下界から$\Omega(k^2 a)$のスケーリングが必要であると示唆される。
• ブロックサイズが同程度であれば、不均一なブロックサイズに対しても拡張可能であり、定数は最小サイズ比に依存する。
• 本稿はAbbeらが提起した遮断ブロックモデルに関する未解決問題を解決し、$\log(1/\gamma)$項の最適性を確認した。