[论文解读] Bayesian Degree-Corrected Stochastic Blockmodels for Community Detection

Lijun Peng, Luís Carvalho|arXiv (Cornell University)|Sep 18, 2013

Complex Network Analysis Techniques参考文献 44被引用 8

一句话总结

该论文提出了一种贝叶斯度校正随机块模型，通过在逻辑回归框架中引入节点特定的度校正项，显式建模社区结构，从而提升社区检测性能。利用Pólya-Gamma数据增广和规范重映射策略解决标签非可识别性问题，该方法在汉明损失下采用质心估计器，相较于MAP估计器，在模拟网络和真实网络中均实现了更低的误分类率。

ABSTRACT

Community detection in networks has drawn much attention in diverse fields, especially social sciences. Given its significance, there has been a large body of literature with approaches from many fields. Here we present a statistical framework that is representative, extensible, and that yields an estimator with good properties. Our proposed approach considers a stochastic blockmodel based on a logistic regression formulation with node correction terms. We follow a Bayesian approach that explicitly captures the community behavior via prior specification. We further adopt a data augmentation strategy with latent Polya-Gamma variables to obtain posterior samples. We conduct inference based on a principled, canonically mapped centroid estimator that formally addresses label non-identifiability and captures representative community assignments. We demonstrate the proposed model and estimation on real-world as well as simulated benchmark networks and show that the proposed model and estimator are more flexible, representative, and yield smaller error rates when compared to the MAP estimator from classical degree-corrected stochastic blockmodels.

研究动机与目标

• 开发一种统计上严谨的贝叶斯社区检测框架，通过度校正块模型显式建模同质性行为。
• 通过引入标签配置的规范投影，解决随机块模型中的标签非可识别性问题。
• 设计一种基于Pólya-Gamma隐变量的后验抽样策略，实现高效推断。
• 提出一种基于汉明损失的质心估计器，提供具有代表性且非任意的社区分配。
• 在误分类率和鲁棒性方面，相较于经典MAP基估计器，展示出更优的性能。

提出的方法

• 使用逻辑回归结合节点特定的度校正项，构建贝叶斯随机块模型，以建模社区特定的边概率。
• 引入隐式Pólya-Gamma变量，通过数据增广实现高效的Gibbs抽样，简化后验计算。
• 应用规范重映射函数 ρ(σ)，将标签配置投影到唯一代表空间，解决标签非可识别性问题。
• 将质心估计器定义为后验测度 P*(σ|A) 的众数，最大化在商空间中节点分配的后验概率。
• 采用两阶段抽样方法：先近似寻找模式作为初始化，随后在增广后验上进行Gibbs抽样。
• 采用基于汉明损失的损失函数定义最优估计器，确保标签分配的鲁棒性和可解释性。

实验结果

研究问题

• RQ1 如何构建一种贝叶斯度校正随机块模型，以更好地捕捉社区结构和度异质性？
• RQ2 如何正式解决随机块模型中的标签非可识别性问题，以实现一致的推断与估计？
• RQ3 基于汉明损失的质心估计器是否能在误分类误差方面优于传统的MAP估计器？
• RQ4 Pólya-Gamma数据增广对后验抽样效率和准确性有何影响？
• RQ5 在模拟网络和真实网络中，该方法相较于经典估计器在误差率方面表现如何？

主要发现

• 所提出的质心估计器在模拟网络和真实网络中均显著低于MAP估计器的误分类率。
• 该方法通过规范重映射成功解决了标签非可识别性问题，实现了唯一且可解释的社区分配。
• 利用Pólya-Gamma隐变量进行后验抽样，实现了高效且精确的推断，避免了变分方法的近似。
• 该模型在中等规模网络（最多数千个节点）上表现出色，推理时间在合理范围内。
• 在n=100和n=500节点的基准网络上，估计器在不同平均度和社区结构参数下均表现出一致的精度。
• 在规范空间上诱导的后验测度 P*(σ|A) 确保了质心估计器在汉明损失下为最优，提供了统计上严谨的代表性分配。