[论文解读] Community detection in sparse time-evolving graphs with a dynamical Bethe-Hessian

Lorenzo Dall’Amico, Romain Couillet+1 more|arXiv (Cornell University)|Jun 3, 2020

Complex Network Analysis Techniques参考文献 51被引用 6

一句话总结

本文提出一种基于动态Bethe-Hessian矩阵的快速谱算法，用于在社区结构缓慢变化的稀疏时变图中进行社区检测。该方法在两社区网络中实现了最优可检测性阈值，通过利用时间标签的持久性，结合多项式逼近实现高效计算，优于现有方法。

ABSTRACT

This article considers the problem of community detection in sparse dynamical graphs in which the community structure evolves over time. A fast spectral algorithm based on an extension of the Bethe-Hessian matrix is proposed, which benefits from the positive correlation in the class labels and in their temporal evolution and is designed to be applicable to any dynamical graph with a community structure. Under the dynamical degree-corrected stochastic block model, in the case of two classes of equal size, we demonstrate and support with extensive simulations that our proposed algorithm is capable of making non-trivial community reconstruction as soon as theoretically possible, thereby reaching the optimal detectability threshold and provably outperforming competing spectral methods.

研究动机与目标

• 解决在节点社区随时间缓慢演变的稀疏时变图中进行社区检测的挑战。
• 开发一种谱算法，实现在动态度数校正随机块模型（D-DCSBM）中的理论可检测性阈值。
• 通过引入社区标签的时间相关性，提升相对于在每个时间步独立应用的静态方法的性能。
• 提供一种实用且可扩展的算法，无需事先知晓模型参数（如平均社区间与社区内连接率）。
• 通过随机多项式逼近实现高效计算，降低复杂度的同时保持高精度。

提出的方法

• 该方法提出一种专为两社区D-DCSBM设计的动态Bethe-Hessian矩阵，能够捕捉时间演化，提升谱聚类性能。
• 通过引入参数 $\eta$（即在时间步之间保持其社区标签的节点比例），将标准Bethe-Hessian矩阵扩展以包含时间相关性，建模标签持久性。
• 该算法通过动态Bethe-Hessian矩阵的谱分解提取主特征向量，该向量对应于社区分配。
• 对于大规模图，采用随机多项式逼近（使用Jackson-Chebyshev多项式）计算矩阵函数，无需显式构造矩阵，从而实现线性时间复杂度。
• 该方法对稀疏性具有鲁棒性，且除 $\eta$ 外无需调参，$\eta$ 可通过交叉验证估计。
• 该算法以Julia语言实现，作为CoDeBetHe软件包的一部分，配套补充代码确保完全可复现。

实验结果

研究问题

• RQ1 谱算法是否能在社区结构缓慢变化的稀疏时变图中实现理论可检测性阈值？
• RQ2 如何利用社区标签的时间相关性来提升相对于静态方法的社区检测性能？
• RQ3 标签持久性（$\eta$）对可检测性阈值和算法性能有何影响？
• RQ4 能否在不显式构造矩阵的情况下，实现在大规模动态图中的高效可扩展计算？
• RQ5 在不同稀疏度和持久性水平下，所提出的动态Bethe-Hessian方法与现有谱方法在准确率和运行时间上的表现如何？

主要发现

• 所提算法在理论上可能的最早时刻即实现非平凡的社区重构，在两社区D-DCSBM模型中达到最优可检测性阈值。
• 其性能优于竞争性谱方法，尤其在低持久性区域（标签频繁变化）表现更优。
• 即使在平均度数恒定（稀疏区域）时，该算法仍保持高精度，展现出对稀疏性的强鲁棒性。
• 随机多项式逼近（算法2）将计算复杂度降低至与 $n$、$T$ 和 $k$ 线性相关，仅导致与精确方法（算法1）相比微小的性能下降。
• 大量模拟实验表明，当控制参数 $\alpha$ 接近临界阈值 $\alpha_c$ 时，性能逐渐下降，与理论预测一致。
• 该方法适用于任意 $k \geq 2$ 个社区且社区大小任意的图，当 $\eta$ 未知时可通过交叉验证估计。