[论文解读] Network modularity in the presence of covariates

Beate Franke, Patrick J. Wolfe|arXiv (Cornell University)|Mar 3, 2016

Complex Network Analysis Techniques参考文献 20被引用 5

一句话总结

本文通过推导极限定理，为网络模块性建立了正式的统计基础，使得在由节点协变量定义社区时，能够计算社区结构的p值。研究表明，在无社区结构的原假设下，模块性渐近服从正态分布，从而能够客观评估协变量定义的社区是否在包括加权、稀疏和幂律网络在内的多种网络类型中，有意义地解释网络模式。

ABSTRACT

We characterize the large-sample properties of network modularity in the presence of covariates, under a natural and flexible nonparametric null model. This provides for the first time an objective measure of whether or not a particular value of modularity is meaningful. In particular, our results quantify the strength of the relation between observed community structure and the interactions in a network. Our technical contribution is to provide limit theorems for modularity when a community assignment is given by nodal features or covariates. These theorems hold for a broad class of network models over a range of sparsity regimes, as well as weighted, multi-edge, and power-law networks. This allows us to assign $p$-values to observed community structure, which we validate using several benchmark examples in the literature. We conclude by applying this methodology to investigate a multi-edge network of corporate email interactions.

研究动机与目标

• 为当社区由观测到的节点协变量定义而非仅从网络本身推断时，提供网络模块性的统计严谨解释。
• 通过统计显著性量化社区结构的强度，超越模块性在启发式使用中的局限。
• 开发一个非参数框架，可容纳多种网络类型，包括加权、多重边和幂律网络，且无需严格的参数假设。
• 通过为模块性值分配p值，实现对协变量社区分配是否解释了观测到的网络结构的假设检验。
• 通过正式关联协变量与网络拓扑结构，弥合网络分析中的可解释性鸿沟。

提出的方法

• 将模块性推导为在无社区结构原假设下的总体对比估计量，即观测边权与期望边权之间的对比。
• 采用基于度数的非参数模型，每个节点仅有一个参数表示其期望度数，避免对边权分布的分布假设。
• 在原假设下建立模块性的中心极限定理，证明当不存在真实社区结构时，模块性渐近服从正态分布。
• 提出一个灵活的框架，允许节点协变量定义社区分配，从而实现对其解释能力的统计检验。
• 分析模块性估计量中的误差项，并在稀疏性和节点度分布假设下对其加以界定，证明其收敛于正态分布。
• 使用基准网络验证该方法，并将其应用于具有多重边结构的真实企业电子邮件网络。

实验结果

研究问题

• RQ1 当社区由协变量而非从网络中推断时，模块性能否被正式解释为统计检验的检验量？
• RQ2 当协变量定义社区时，在无社区结构的原假设下，模块性的渐近分布是什么？
• RQ3 如何为观测到的模块性值分配p值，以系统性地评估其统计显著性？
• RQ4 节点协变量（如性别、种族或在校年份）在多大程度上能解释真实网络中观测到的社区结构？
• RQ5 所提出的方法在包括加权、稀疏和幂律网络在内的多种网络类型中是否保持有效性？

主要发现

• 当社区由协变量定义时，在无社区结构的原假设下，模块性渐近服从正态分布，从而可计算p值。
• 该方法在广泛的网络模型类别中有效，包括加权、多重边和幂律网络，且无需对边权分布作参数假设。
• 该框架允许为观测到的模块性值分配p值，提供一种客观度量，以判断协变量定义的社区是否解释了网络结构。
• 模块性的中心极限定理在一般稀疏性条件下成立，且无需对边权或度分布作强参数假设。
• 该方法在基准网络上得到验证，并成功应用于企业电子邮件网络，展示了其在真实场景中的实用性。
• 模块性估计量中的误差项被有界，并以速率 $\mathcal{O}(n^{-3/2})$ 收敛至零，确保在温和正则性条件下渐近正态性结果成立。