[论文解读] Edge Label Inference in Generalized Stochastic Block Models: from Spectral Theory to Impossibility Results

Jiaming Xu, Laurent Massoulié+1 more|arXiv (Cornell University)|Jun 26, 2014

Complex Network Analysis Techniques参考文献 27被引用 33

一句话总结

本文提出了一种广义随机块模型（GSBMs）中边标签推断的谱算法，该模型包含隐含节点属性和标记边，在网络规模下平均度数为对数级时，实现了渐近正确的推断。该研究建立了低于此阈值时任何算法都无法优于随机猜测的临界点，证明了在稀疏、非聚类网络中的根本性限制。

ABSTRACT

The classical setting of community detection consists of networks exhibiting a clustered structure. To more accurately model real systems we consider a class of networks (i) whose edges may carry labels and (ii) which may lack a clustered structure. Specifically we assume that nodes possess latent attributes drawn from a general compact space and edges between two nodes are randomly generated and labeled according to some unknown distribution as a function of their latent attributes. Our goal is then to infer the edge label distributions from a partially observed network. We propose a computationally efficient spectral algorithm and show it allows for asymptotically correct inference when the average node degree could be as low as logarithmic in the total number of nodes. Conversely, if the average node degree is below a specific constant threshold, we show that no algorithm can achieve better inference than guessing without using the observations. As a byproduct of our analysis, we show that our model provides a general procedure to construct random graph models with a spectrum asymptotic to a pre-specified eigenvalue distribution such as a power-law distribution.

研究动机与目标

• 解决缺乏聚类结构的网络中的边标签推断问题，超越经典社区检测的范畴。
• 建模边携带标签（如评分、关系类型、基因表达水平）且节点具有来自一般紧致空间的隐含属性的网络。
• 从未知模型参数的前提下，仅从部分标记网络观测中推断潜在的边标签分布。
• 通过识别平均度数低于某一临界值时任何算法都无法优于随机猜测的阈值，建立推断的根本限制。

提出的方法

• 提出一种带有随机加权策略的谱算法，用于从观测到的标记边构建加权邻接矩阵。
• 利用加权邻接矩阵的谱分解来估计隐含节点属性和边标签分布。
• 采用节点局部邻域与标记Galton-Watson树之间的耦合论证，分析局部结构。
• 利用稀疏随机图的树状结构，证明在信号强度较低时根节点与叶节点属性的渐近独立性。
• 应用集中不等式与特征值扰动理论，界定边标签分布恢复中的估计误差。
• 推导出一个阈值参数 ω₀，使得当 ω < ω₀ 时，无法可靠地将边标签分布推断得优于随机猜测。

实验结果

研究问题

• RQ1 在节点具有隐含属性且边根据这些属性的未知函数进行标记的网络中，是否可以可靠地推断边标签分布，即使网络缺乏聚类结构？
• RQ2 在该类模型中，任何算法实现优于随机猜测的边标签推断所需的最小平均度数是多少？
• RQ3 是否存在一个根本的信息论极限，使得在该极限以下，无论计算复杂度如何，边标签推断都变得不可能？
• RQ4 在平均度数随网络规模对数增长的稀疏区域中，该谱算法表现如何？
• RQ5 该模型能否用于构建具有预设特征值分布（如幂律谱）的随机图？

主要发现

• 当平均度数为 Ω(log n)，即节点数的对数级时，一种计算高效的谱算法可实现渐近正确的边标签推断。
• 当平均度数低于临界阈值 ω₀ 时，任何算法都无法将边标签推断得优于随机猜测，确立了不可能性结果。
• 该模型允许构建具有渐近匹配预设特征值分布（如幂律分布）的随机图。
• 谱算法对边标签分布的估计误差被一个随 O(1/|λ₁|²ε²) 衰减的项所界定，其中 λ₁ 为最大特征值，ε 控制谱近似的分辨率。
• 通过将局部图邻域与标记Galton-Watson树耦合，证明了当 ω < ω₀ 时，根节点与叶节点属性的渐近独立性。
• 在不可能性阈值下，给定邻居属性时节点属性的后验概率收敛于均匀分布（1/r），意味着无法恢复任何信息。