[论文解读] Community Detection in the Labelled Stochastic Block Model

Simon Heimlicher, Marc Lelarge+1 more|arXiv (Cornell University)|Sep 13, 2012

Complex Network Analysis Techniques参考文献 10被引用 73

一句话总结

本文提出了在带标签随机块模型中社区检测的广义可检测性阈值，其中交互行为具有多种类型（标签）。通过信念传播和树重构分析，证明了标签信噪比与连接概率的阈值决定了是否能以相关性重建真实分区的社区结构。关键贡献在于提出一个统一条件，可预测多种推理模型中可检测性的临界点。

ABSTRACT

We consider the problem of community detection from observed interactions between individuals, in the context where multiple types of interaction are possible. We use labelled stochastic block models to represent the observed data, where labels correspond to interaction types. Focusing on a two-community scenario, we conjecture a threshold for the problem of reconstructing the hidden communities in a way that is correlated with the true partition. To substantiate the conjecture, we prove that the given threshold correctly identifies a transition on the behaviour of belief propagation from insensitive to sensitive. We further prove that the same threshold corresponds to the transition in a related inference problem on a tree model from infeasible to feasible. Finally, numerical results using belief propagation for community detection give further support to the conjecture.

研究动机与目标

• 将未带标签的可检测性阈值扩展至带标签的随机块模型，其中可观察到交互类型。
• 确定从带标签网络数据中重构社区结构的条件。
• 通过信念传播、树重构和数值实验验证该阈值。
• 将信念传播敏感性与树重构可行性中的理论转变统一于单一条件之下。

提出的方法

• 基于标签依赖的边概率与连接率的比值，制定广义可检测性条件。
• 应用信念传播从带标签图中推断节点社区，分析其对初始条件的敏感性。
• 使用基于树的模型研究重构可行性，将其与可检测性阈值关联。
• 利用雷利单调性定律和随机图中的等效电阻分析收敛性与稳定性。
• 推导出临界阈值 τ = 1，作为不可行与可行推理之间的分界点。
• 使用重叠度量 Q 在不同 ε 和 a=b 参数下数值评估重构性能。

实验结果

研究问题

• RQ1 在带标签随机块模型中，社区结构在何种条件下可被检测？
• RQ2 与未带标签模型相比，交互标签的引入如何影响可检测性阈值？
• RQ3 同一阈值是否同时控制信念传播的敏感性与树重构的可行性？
• RQ4 数值信念传播结果能否验证可检测性的理论阈值？

主要发现

• 所提出的阈值 τ > 1 正确识别了信念传播中从不敏感到敏感的转变点。
• 同一阈值 τ = 1 对应于关联带标签树模型中可行重构的临界点。
• 数值结果表明，当且仅当 ε > 1/(2√a) 时，信念传播才能实现非零重叠 Q，与理论阈值一致。
• 当 a = b 时，仅当 ε > 1/(2√a) 时才可实现重构，表明在对称情况下标签本身即可实现检测。
• 当 a < b 时，阈值向左移动，表明边密度与标签信息量共同提升了可检测性。
• 低于阈值时，重叠 Q 在多个随机种子下均接近零，表明一致失败；高于阈值时，Q 稳步上升，表明检测可靠。