[论文解读] Mining Target Attribute Subspace and Set of Target Communities in Large Attributed Networks

Peng Wu, Li Pan|arXiv (Cornell University)|May 10, 2017

Complex Network Analysis Techniques被引用 4

一句话总结

该论文提出TSCM方法，仅通过两个样本节点即可在大型属性网络中挖掘目标社区及其属性子空间。通过邻域传播将这些样本扩展为典型节点，TSCM推断出与紧密网络结构相关联的聚焦属性子空间，随后通过构建骨干网络并进行局部扩展来检测特定应用的社区，实验证明其在合成数据和真实世界数据上的有效性，且在子空间相关性方面优于基线方法。

ABSTRACT

Community detection provides invaluable help for various applications, such as marketing and product recommendation. Traditional community detection methods designed for plain networks may not be able to detect communities with homogeneous attributes inside on attributed networks with attribute information. Most of recent attribute community detection methods may fail to capture the requirements of a specific application and not be able to mine the set of required communities for a specific application. In this paper, we aim to detect the set of target communities in the target subspace which has some focus attributes with large importance weights satisfying the requirements of a specific application. In order to improve the university of the problem, we address the problem in an extreme case where only two sample nodes in any potential target community are provided. A Target Subspace and Communities Mining (TSCM) method is proposed. In TSCM, a sample information extension method is designed to extend the two sample nodes to a set of exemplar nodes from which the target subspace is inferred. Then the set of target communities are located and mined based on the target subspace. Experiments on synthetic datasets demonstrate the effectiveness and efficiency of our method and applications on real-world datasets show its application values.

研究动机与目标

• 解决在仅提供最少用户输入（两个样本节点）的情况下，从属性网络中识别特定应用社区的挑战。
• 通过从连接的典型节点推断聚焦属性，而非依赖主观用户感知，提升子空间的相关性。
• 开发一种可扩展的方法，检测在特定应用需求下定制的目标属性子空间中的紧密社区。
• 通过利用网络邻域扩展有限样本信息，减少对大量用户提供的典型示例的依赖。
• 通过将属性权重与网络连通性对齐，确保挖掘出的社区在结构上一致且语义上合理。

提出的方法

• 一种样本信息扩展方法从两个输入节点传播，识别邻近节点，形成一组更能代表目标社区结构和属性的典型节点。
• 通过计算基于典型节点集合的属性重要性权重来推断目标子空间，强调与紧密网络连接相关联的属性。
• 通过使用目标子空间重新加权边来构建网络骨干，突出密集且结构一致区域内的连接。
• 在骨干网络中识别出作为局部扩展起点的紧密子图作为社区种子。
• 通过从种子出发的局部扩展提取目标社区，随后通过冗余消除确保社区之间互不重叠且互不重复。
• 该方法对极少输入具有鲁棒性，即使仅提供两个样本节点，仍能推断出有意义的子空间和社区。

实验结果

研究问题

• RQ1 在属性网络中，仅凭两个样本节点能否有效推断出目标属性子空间？
• RQ2 如何利用网络连通性来提升推断属性权重的相关性，使其优于用户感知的相似性？
• RQ3 样本信息扩展在多大程度上提升了检测社区的质量和一致性？
• RQ4 与无监督或用户引导的替代方法相比，该方法在检测特定应用社区方面的表现如何？
• RQ5 该方法在保持准确性和效率的前提下，能否扩展到大规模真实世界属性网络？

主要发现

• 在与基线比较时，TSCM的F1得分为0.75，表明检测社区存在中等但有意义的重叠；而TSCM-NE（无扩展）的对齐程度显著更低，证明了扩展步骤的必要性。
• 在DBLP数据集中，TSCM成功识别出包含四个聚焦属性（ICDM、SIGKDD、PAKDD、SDM）的目标子空间，均与数据挖掘相关，证实了该方法在真实世界应用中的相关性。
• 在DBLP中，TSCM检测到的目标社区平均大小为136，显著大于TSCM-NE社区的平均大小136，表明其具有更好的社区凝聚性和可扩展性。
• 在POLBLOGS案例研究中，TSCM围绕“billmon.org”识别出五个不同的子空间，每个子空间具有特定主题的属性（如战争、经济、民主），展示了其发现主题社区的能力。
• 在合成网络上的实验验证了TSCM的有效性和效率，其在检测正确子空间和紧密社区方面均表现出高精度。
• 与TSCM-NE相比，TSCM在子空间质量和社区一致性方面表现更优，而TSCM-NE因缺乏扩展的典型节点，产生了大量小型孤立社区。