[论文解读] From which world is your graph?

Cheng Li, Felix Ming Fai Wong+2 more|arXiv (Cornell University)|Nov 3, 2017

Complex Network Analysis Techniques参考文献 38被引用 5

一句话总结

本文提出了一种统一的统计模型，该模型将随机块模型（SBM）和小世界模型（SWM）推广至稀疏网络中的潜在结构发现。通过结合核学习、谱图理论和非线性降维，作者开发了一种可证明正确的多项式时间算法，能够准确推断出几乎所有‘名人’节点以及恒定比例的普通节点的潜在位置，在合成数据和真实世界Twitter数据上均表现出强劲的实验性能。

ABSTRACT

Discovering statistical structure from links is a fundamental problem in the analysis of social networks. Choosing a misspecified model, or equivalently, an incorrect inference algorithm will result in an invalid analysis or even falsely uncover patterns that are in fact artifacts of the model. This work focuses on unifying two of the most widely used link-formation models: the stochastic blockmodel (SBM) and the small world (or latent space) model (SWM). Integrating techniques from kernel learning, spectral graph theory, and nonlinear dimensionality reduction, we develop the first statistically sound polynomial-time algorithm to discover latent patterns in sparse graphs for both models. When the network comes from an SBM, the algorithm outputs a block structure. When it is from an SWM, the algorithm outputs estimates of each node's latent position.

研究动机与目标

• 将随机块模型（SBM）和小世界模型（SWM）统一到一个单一的通用框架中，用于网络中的潜在结构发现。
• 开发一种统计上合理且计算高效的算法，用于在统一模型下推断稀疏图中的潜在位置。
• 解决模型误设的问题，即选择错误的推断算法可能导致无效或人为构造的结论。
• 在底层生成模型未知的情况下，实现对潜在特征（如社区结构或意识形态位置）的准确推断。
• 在真实世界社交网络上展示该算法的有效性，特别是2016年10月和11月的Twitter数据。

提出的方法

• 作者提出了一种统一的潜在空间模型，其中边的概率是潜在节点位置之间距离的递减函数，从而将SBM和SWM作为特例涵盖在内。
• 他们采用核方法和谱图理论，将潜在位置映射到再生核希尔伯特空间（RKHS），以实现非线性降维。
• 该算法利用邻接矩阵及其谱分解来估计节点之间的距离，随后采用等距映射（isomap）风格的测地距离估计方法，以恢复非线性结构。
• 关键组成部分是使用核矩阵 $ K_{i,j} = \kappa(x_i, x_j) $，其中 $ \kappa $ 是潜在距离的递减函数，以及RKHS中特征映射 $ \widehat{\Phi}_d $ 的估计。
• 该方法利用特征值间隔分析和奇异值分解（SVD）来识别保留底层几何结构的低维嵌入。
• 通过集中不等式和算子理论，建立了理论保证，表明在温和条件下，该算法以高概率恢复潜在位置。

实验结果

研究问题

• RQ1 是否能够通过单一统一模型，捕捉网络分析中随机块模型与小世界模型的本质结构特性？
• RQ2 是否可能设计一种可证明正确且时间复杂度为多项式的算法，在不了解底层模型的前提下推断稀疏图中的潜在位置？
• RQ3 此类算法在真实世界社交网络中，对潜在结构（如社区或意识形态位置）的恢复效果如何？
• RQ4 在该通用模型中，潜在位置恢复的根本统计极限是什么？算法能多接近这一极限？
• RQ5 该算法在真实数据上相较于现有方法（如模块度、对应分析或MDS）的性能优势有多大？

主要发现

• 所提出的算法成功推断出 $ 1 - o(1) $ 比例的‘名人’节点以及恒定比例的普通用户潜在位置，在真实Twitter数据上表现出高精度。
• 在Twitter数据集上，该算法与选举获胜差距的Kendall’s $ \tau $ 相关系数达到0.613，与长期意识形态的相关系数达到0.816，优于模块度和对应分析方法。
• 该算法显著优于基线方法，如随机游走（0.242相关系数）和MDS（0.470相关系数），展现出鲁棒性与准确性。
• 理论分析表明，在普通用户中，错误数量少于 $ o(1) $ 比例是统计上不可能的，从而确立了根本下界。
• 实验结果证实，该模型与推断方法能够揭示真实网络中具有意义且可解释的结构，包括地理与意识形态模式。
• 该算法在合成图与真实图上均表现稳定，即使在稀疏条件下也能一致地恢复潜在几何结构。