[论文解读] Contextual Stochastic Block Model: Sharp Thresholds and Contiguity

Lü Chen, Subhabrata Sen|arXiv (Cornell University)|Nov 15, 2020

Complex Network Analysis Techniques参考文献 48被引用 11

一句话总结

本文確立了上下文隨機塊模型中社區檢測的尖銳資訊理論閾值，證明檢測與弱恢復在且僅在 $\lambda^2 + \mu^2/\gamma > 1$ 時可能成立，其中 $\lambda$ 控制圖的稀疏度，$\mu$ 控制協變量信號強度，$\gamma = n/p$ 是高維漸近比。作者引入基於自避隨機漫步的檢驗統計量，以證明連續性與恢復閾值，利用嚴謹的二階矩與連續性論證，解決了先前研究中的猜想。

ABSTRACT

We study community detection in the contextual stochastic block model arXiv:1807.09596 [cs.SI], arXiv:1607.02675 [stat.ME]. In arXiv:1807.09596 [cs.SI], the second author studied this problem in the setting of sparse graphs with high-dimensional node-covariates. Using the non-rigorous cavity method from statistical physics, they conjectured the sharp limits for community detection in this setting. Further, the information theoretic threshold was verified, assuming that the average degree of the observed graph is large. It is expected that the conjecture holds as soon as the average degree exceeds one, so that the graph has a giant component. We establish this conjecture, and characterize the sharp threshold for detection and weak recovery.

研究动机与目标

• 嚴謹確立上下文隨機塊模型中社區檢測的猜想尖銳閾值，該模型同時提供圖結構與高維節點協變量。
• 透過證明即使平均度數僅略大於一（而非僅在高密度極限下），閾值依然成立，彌合非嚴謹的腔方法預測與嚴謹結果之間的差距。
• 展示結合圖與協變量資訊可實現超越單獨使用任一來源的統計最佳檢測。
• 開發一種基於計數自避隨機漫步的新型檢驗統計量，以證明連續性並確立檢測閾值。

提出的方法

• 作者使用二階矩方法推導檢測閾值的下界，分析基於圖中自避隨機漫步的檢驗統計量的變異數。
• 透過計數連接相同或不同社區標籤節點對的固定長度自避隨機漫步，構建檢驗統計量。
• 透過追蹤邊交集（A-邊與B-邊）來控制步行統計量之間的相關性，其貢獻分別按 $n/\lambda^2$ 與 $n/\mu$ 標準化。
• 透過組合分析，限制具有 $\tilde{a}$ 個 A-邊與 $\tilde{b}$ 個 B-邊交集的路徑對數量，顯示主導貢獻來自最小頂點交集。
• 該方法在高維漸近架構 $n/p \to \gamma \in (0,\infty)$ 下進行漸近分析，其中 $k$ 與 $l$ 的選擇滿足 $l/k = \mu^2/\gamma / (\lambda^2 + \mu^2/\gamma)$。
• 對於弱恢復，作者使用基於步行的相關性估計，隨後進行投影與四捨五入，將自避隨機漫步框架擴展至恢復任務。

实验结果

研究问题

• RQ1 當上下文隨機塊模型中同時提供圖結構與高維節點協變量時，社區檢測的確切資訊理論閾值為何？
• RQ2 猜想閾值 $\lambda^2 + \mu^2/\gamma > 1$ 是否在平均度數 $d$ 僅略大於一時依然成立，而非僅在高密度極限下？
• RQ3 基於自避隨機漫步的檢驗統計量能否在該模型中實現尖銳檢測閾值？
• RQ4 弱恢復的閾值是否與檢測閾值在上下文隨機塊模型中相同？
• RQ5 步行統計量之間的相關性如何影響二階矩方法與連續性分析？

主要发现

• 確立了社區檢測的尖銳閾值為 $\lambda^2 + \mu^2/\gamma > 1$，確認了先前研究中非嚴謹腔方法的猜想。
• 檢測閾值是尖銳的：檢測在且僅在 $\lambda^2 + \mu^2/\gamma > 1$ 時可能成立，且在補集區域中連續性成立。
• 作者構建了一種基於計數自避隨機漫步的檢驗統計量，使嚴謹的二階矩論證得以成立，從而證明閾值的上界。
• 弱恢復的閾值與檢測閾值一致，且透過基於步行的相關性估計，再經投影與四捨五入實現。
• 步行統計量之間的相關性透過分析邊交集來控制，貢獻被限制在 $O((n/\lambda^2)^{\tilde{a}}(n/\mu)^{\tilde{b}})$ 內，主導項來自最小頂點交集。
• 在最佳 $l/k$ 選取下，組合邊界 $\binom{k}{l}^2 \gtrsim (\lambda^2)^{-(k-l)}(\mu^2/\gamma)^{-l}$ 成立，從而確認閾值條件。