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

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

Complex Network Analysis Techniques参考文献 17被引用 5

一句话总结

Fluid Communities (FluidC) 是一种可扩展、具有竞争力且多样化的社区检测算法，将社区建模为在网络环境中扩张和竞争的流体。该算法实现线性时间复杂度 O(E)，支持可变数量的社区，并在大规模或具有高混合参数的真实图上，相较于最先进的方法（如 Multilevel 和 Infomap），产生显著不同且高质量的社区结构。

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，结合高可扩展性与在大规模和真实网络上的竞争性准确率。
• 实现在单次运行中检测可变数量社区的功能，克服现有基于传播的方法的关键局限。
• 提供算法上多样的社区结构，与现有方法形成互补，增强无监督网络分析能力。
• 在计算效率方面达到最先进水平，同时在 LFR 基准测试中保持高准确率。
• 证明 FluidC 产生的社区与其它算法显著不同，从而实现与算法无关的洞察。

提出的方法

• FluidC 在随机顶点处初始化 k 个社区（流体），每个社区的密度与其大小成反比（d = 1/|c|）。
• 该算法以超步（supersteps）运行，每个顶点根据邻近社区的总影响力最高值来更新其社区归属。
• 影响力计算为邻居社区密度与边权重（无权图则为 1）的乘积。
• 更新规则确保社区向稀疏区域扩张，同时被更密集的区域推回，从而模拟流体动力学行为。
• 该过程持续进行，直到不再发生任何变化，达到稳定平衡状态。
• 该算法支持任意数量的社区 k ≤ |V|，从而实现对网络结构的多粒度分析。

实验结果

研究问题

• RQ1 基于传播的社区检测算法是否能在支持可变社区数量的同时，实现竞争性的准确率？
• RQ2 在 LFR 基准测试中，FluidC 与 Multilevel 和 Infomap 等最先进算法相比，在可扩展性和准确率方面表现如何？
• RQ3 FluidC 检测到的社区在结构多样性方面与其它算法检测到的社区有多大程度上的差异？
• RQ4 在社区边界模糊的高混合参数图上，FluidC 是否仍能保持高性能？
• RQ5 FluidC 是否能提供与现有方法在无监督网络分析中互补的算法多样性结果？

主要发现

• 在 LFR 基准测试中，FluidC 达到的标准化互信息（NMI）分数接近最佳性能算法（如 Multilevel、Walktrap、Infomap），尤其在高混合参数下表现优异。
• 该算法的时间复杂度与边数呈线性关系（O(E)），效率与标签传播算法相当，且比 Multilevel 快约五倍。
• FluidC 是首个能够检测可变数量社区的基于传播的算法，从而实现网络结构的多尺度分析。
• 在具有多组真实社区标签的 LFR 图上，FluidC 产生的社区结构与 Multilevel、Walktrap、Fastgreedy 等方法显著不同，表明其具有高度的算法多样性。
• 相似性矩阵显示，FluidC 的行为与分层方法和基于模块度的方法存在显著差异，尤其在 α=0 时，表明其始终偏好不同的真实社区。
• 尽管在低混合参数图上由于瓶颈边的存在导致 NMI 略有下降，FluidC 在大规模真实网络上仍保持高度有效和可扩展。