[论文解读] An upper bound on community size in scalable community detection

Gautier Krings, Vincent D. Blondel|arXiv (Cornell University)|Mar 29, 2011

Complex Network Analysis Techniques参考文献 3被引用 6

一句话总结

本文为在优化分辨率参数化模块度函数 $ Q_{u} $ 时，对社区规模建立了显式的上界，表明当 $ \gamma > 1 $ 时，超过某一阈值的社区无法保持稳定，因为目标函数倾向于导致碎片化。关键结果表明，大规模且高度连接的社区可能被人为地拆分为更小的组成部分，揭示了在可扩展社区检测中使用可调分辨率参数时存在一个关键局限性。

ABSTRACT

It is well-known that community detection methods based on modularity optimization often fails to discover small communities. Several objective functions used for community detection therefore involve a resolution parameter that allows the detection of communities at different scales. We provide an explicit upper bound on the community size of communities resulting from the optimization of several of these functions. We also show with a simple example that the use of the resolution parameter may artificially force the complete disaggregation of large and densely connected communities.

研究动机与目标

• 确定通过模块度优化进行社区检测时，分辨率参数 $ \gamma $ 所施加的结构性限制。
• 证明当 $ \gamma > 1 $ 时，对可检测社区规模施加了一个非平凡的上界。
• 说明分辨率参数如何导致大规模、高度连接社区的人为解体。
• 为理解多尺度社区检测中的权衡提供理论基础。

提出的方法

• 推导合并两个社区时目标函数 $ \Delta Q $ 的变化，使用公式 $ \Delta Q = \frac{1}{L}\left(e - \gamma\frac{d_1d_2}{2L}\right) $。
• 分析 $ \Delta Q < 0 $ 的条件，表明分离的社区能获得更高的目标函数值。
• 建立不等式 $ d_2/(2L) > 1/\gamma $ 作为社区稳定性的阈值，从而推导出社区规模的上界。
• 采用理论边界：大小为 $ n $ 的社区所包含的总度数不能超过网络总度数的 $ n/((n-1)\gamma) $。
• 使用一个合成网络示例（一个16个节点的团和四个4个节点的团）来展示随着 $ \gamma $ 增大，社区碎片化的影响。
• 比较不同 $ \gamma $ 值（1、1.5、2）下的社区划分，展示大团的逐步解体。

实验结果

研究问题

• RQ1 分辨率参数 $ \gamma $ 对通过 $ Q_{\gamma} $ 优化可检测社区规模施加了何种上界？
• RQ2 在何种条件下，目标函数倾向于将一个大规模、高密度社区拆分为更小的社区？
• RQ3 增加 $ \gamma $ 如何影响网络划分中大型高度连接社区的稳定性？
• RQ4 分辨率参数在多大程度上引入了社区检测中的人为碎片化？

主要发现

• 当 $ \gamma > 1 $ 时，任何总度数超过网络总度数 $ \gamma^{-1} $ 的社区都将不稳定，并容易发生分裂。
• 稳定社区的最大规模受以下条件限制：其度数之和必须小于 $ \frac{n}{(n-1)\gamma} $ 的总度数，其中 $ n $ 为社区中节点的数量。
• 当 $ \gamma = 1.5 $ 时，示例网络中的16个节点团被拆分为16个单节点社区，表明存在强烈的非自然碎片化。
• 当 $ \gamma = 2 $ 时，四个4个节点的团最终被分离，表明更高的 $ \gamma $ 值可以分辨小型社区，但代价是拆分更大的社区。
• 分辨率参数 $ \gamma $ 引入了根本性的权衡：更高的值能提升对小型社区的分辨率，但可能破坏大型、密集的社区。