[论文解读] Capacity Releasing Diffusion for Speed and Locality

Di Wang, Kimon Fountoulakis+3 more|arXiv (Cornell University)|Jun 19, 2017

Complex Network Analysis Techniques参考文献 24被引用 13

一句话总结

本文提出容量释放扩散（CRD），一种新型扩散过程，通过使用推送-重标定机制控制质量传播，显著提升了图聚类的速度与局部性。CRD实现了首个绕过二次切比雪夫屏障的局部聚类算法，在真实社交图中对中等质量聚类的性能显著优于现有方法。

ABSTRACT

Diffusions and related random walk procedures are of central importance in many areas of machine learning, data analysis, and applied mathematics. Because they spread mass agnostically at each step in an iterative manner, they can sometimes spread mass "too aggressively," thereby failing to find the "right" clusters. We introduce a novel Capacity Releasing Diffusion (CRD) Process, which is both faster and stays more local than the classical spectral diffusion process. As an application, we use our CRD Process to develop an improved local algorithm for graph clustering. Our local graph clustering method can find local clusters in a model of clustering where one begins the CRD Process in a cluster whose vertices are connected better internally than externally by an $O(\log^2 n)$ factor, where $n$ is the number of nodes in the cluster. Thus, our CRD Process is the first local graph clustering algorithm that is not subject to the well-known quadratic Cheeger barrier. Our result requires a certain smoothness condition, which we expect to be an artifact of our analysis. Our empirical evaluation demonstrates improved results, in particular for realistic social graphs where there are moderately good---but not very good---clusters.

研究动机与目标

• 解决经典谱扩散在聚类中等质量但不够强的聚类时因质量过度扩散而导致的局限性。
• 克服局部图聚类算法中著名的二次切比雪夫屏障。
• 设计一种扩散过程，通过容量释放原理控制质量传播，从而保持局部性并提升运行速度。
• 基于CRD设计一种局部聚类算法，可证明地找到高质量聚类，且无需全局图访问。
• 实证证明CRD在真实社交网络中，尤其在聚类质量中等但不很强的情况下，优于现有局部聚类方法。

提出的方法

• 提出一种通用的CRD过程，从顶点u处的2d(u)质量开始，迭代执行CRD步骤并随后进行质量加倍。
• 实现一种类似推送-重标定的内部过程，其中每个顶点维护一个标签l(v)和边质量m(u,v)，其资格条件基于向下的边和容量约束。
• 使用过剩质量ex(v) = max(0, m(v) - d(v))来确定顶点是否需要推送质量，确保仅在容量允许时才移动质量。
• 应用一种标签机制，当无可用合格边时，将l(v)增加1，从而有效释放未来质量流动的容量。
• 将CRD过程整合到一种局部图聚类算法中，从种子顶点开始，识别出高导出率的高连通聚类。
• 在分析中利用平滑性条件以确保理论保证，尽管作者怀疑该条件可能是证明技术的产物。

实验结果

研究问题

• RQ1 能否设计一种扩散过程，使其在中等质量聚类的图中，比经典谱方法更有效地限制质量传播？
• RQ2 所提出的CRD过程是否相比标准扩散和谱聚类方法，展现出更好的局部性和更快的收敛速度？
• RQ3 CRD能否在局部图聚类中克服二次切比雪夫屏障，从而在聚类非高度凝聚时仍能实现可证明的良好结果？
• RQ4 在真实社交网络中，CRD在聚类质量中等但不很强的情况下，其表现如何？
• RQ5 与ACL等现有局部聚类算法相比，CRD在多大程度上减少了局部聚类中的质量泄漏？

主要发现

• 在真实世界Facebook图（如Rice 2009和Colgate 2008）中，CRD在中等质量聚类上的精确率和召回率均优于ACL和ACLopt，CRD的中位精确率为0.92，中位召回率为0.95。
• 在Hopkins 217聚类中，CRD实现了0.92的精确率和0.95的召回率，与使用真实标签进行参数调优的最优ACLopt性能相当。
• 在添加了随机边的合成网格图中，CRD在中等噪声范围（聚类被中等程度破坏的概率）下保持了优越性能，优于ACL。
• 对于高导出率聚类（如Hopkins 2009和Simmons 2009），所有方法表现相近，表明CRD的优势在中等、现实的场景中最为显著。
• CRD避免了ACL中出现的质量泄漏问题，尤其在导出率约为0.3–0.5的聚类中，ACL无法保持局部结构。
• 在多个聚类（如Rice 2009和Colgate 2008）上，CRD的性能几乎与FlowImp（一种全局算法）相当，证明了其在局部方法中的有效性。