[论文解读] Fluid Communities: A Competitive and Highly Scalable Community Detection Algorithm

Ferran Parés, Dario García-Gasulla+6 more|arXiv (Cornell University)|Mar 27, 2017

Complex Network Analysis Techniques被引用 4

一句话总结

Fluid Communities 是一种高度可扩展、具有竞争力的社区检测算法，其灵感源自流体动力学，节点通过相互作用传播标签，从而实现动态社区形成。该算法在合成图上实现了最先进水平的准确率，同时是首个无需预先指定社区数量的基于传播的算法，显著优于其他方法在社区多样性方面的表现。

ABSTRACT

We introduce a community detection algorithm (Fluid Communities) based on the idea of fluids interacting in an environment, expanding and contracting as a result of that interaction. Fluid Communities is based on the propagation methodology, which represents the state-of-the-art in terms of computational cost and scalability. While being highly efficient, Fluid Communities is able to find communities in synthetic graphs with an accuracy close to the current best alternatives. Additionally, Fluid Communities is the first propagation-based algorithm capable of identifying a variable number of communities in network. To illustrate the relevance of the algorithm, we evaluate the diversity of the communities found by Fluid Communities, and find them to be significantly different from the ones found by alternative methods.

研究动机与目标

• 开发一种社区检测算法，能够在支持可变社区数量的同时保持高可扩展性和高准确率。
• 解决现有基于传播的方法的局限性，后者通常需预先固定社区数量。
• 与当前最先进方法相比，提升检测到的社区多样性。
• 通过类流体传播机制，实现高效的大规模网络分析。

提出的方法

• 该算法将节点建模为基于局部相互作用而膨胀和收缩的流体粒子，模拟网络环境中的流体动力学行为。
• 采用标签传播机制，每个节点根据其邻居中出现频率最高的标签进行更新，同时通过类流体的膨胀与收缩动态调整。
• 社区边界由标签传播的收敛性决定，流体动力学影响社区的形成与合并过程。
• 通过标签的持续交互与稳定化，自适应地确定社区数量。
• 利用竞争机制，使密集区域的节点更积极地传播标签，从而促进社区的凝聚力。
• 该方法设计高效，具备高计算效率，适用于大规模网络的可扩展分析。

实验结果

研究问题

• RQ1 受流体动力学启发的模型是否能在保持计算可扩展性的同时实现高准确率的社区检测？
• RQ2 基于传播的算法是否能无需预先指定社区数量，动态检测可变数量的社区？
• RQ3 Fluid Communities 检测到的社区多样性与现有方法相比如何？
• RQ4 类流体动力学对社区结构的形成与稳定性有何影响？

主要发现

• Fluid Communities 在合成图上的准确率接近当前最先进方法的水平。
• 它是首个无需预先指定社区数量即可检测可变数量社区的基于传播的算法。
• Fluid Communities 检测到的社区在多样性方面显著优于其他替代算法。
• 该算法保持了高计算效率，适用于大规模网络分析。