[论文解读] Higher-Order Spectral Clustering under Superimposed Stochastic Block Model

Subhadeep Paul, Olgica Milenković+1 more|arXiv (Cornell University)|Dec 16, 2018

Complex Network Analysis Techniques参考文献 66被引用 5

一句话总结

本文提出了超图随机块模型（SupSBM），这是一种新颖的随机图框架，通过将高阶基序（特别是三角形或3-一致超边）与成对边叠加，整合到随机块模型中。作者建立了在SupSBM下高阶谱聚类的非渐近上界，证明即使在边结构存在依赖关系时，社区检测依然保持一致，并提出了基于超边密度和观测质量选择基于边或超边聚类的准则。

ABSTRACT

Higher-order motif structures and multi-vertex interactions are becoming increasingly important in studies that aim to improve our understanding of functionalities and evolution patterns of networks. To elucidate the role of higher-order structures in community detection problems over complex networks, we introduce the notion of a Superimposed Stochastic Block Model (SupSBM). The model is based on a random graph framework in which certain higher-order structures or subgraphs are generated through an independent hyperedge generation process, and are then replaced with graphs that are superimposed with directed or undirected edges generated by an inhomogeneous random graph model. Consequently, the model introduces controlled dependencies between edges which allow for capturing more realistic network phenomena, namely strong local clustering in a sparse network, short average path length, and community structure. We proceed to rigorously analyze the performance of a number of recently proposed higher-order spectral clustering methods on the SupSBM. In particular, we prove non-asymptotic upper bounds on the misclustering error of spectral community detection for a SupSBM setting in which triangles or 3-uniform hyperedges are superimposed with undirected edges. As part of our analysis, we also derive new bounds on the misclustering error of higher-order spectral clustering methods for the standard SBM and the 3-uniform hypergraph SBM. Furthermore, for a non-uniform hypergraph SBM model in which one directly observes both edges and 3-uniform hyperedges, we obtain a criterion that describes when to perform spectral clustering based on edges and when on hyperedges, based on a function of hyperedge density and observation quality.

研究动机与目标

• 为了建模具有现实高阶结构（如三角形和3-一致超边）的复杂网络，这些结构在标准随机块模型中缺失。
• 为解决现有模型在引入高阶依赖性和局部聚类时缺乏数学可处理性的问题。
• 在一种具有可控边依赖关系的新颖且更真实的网络模型下，严格分析高阶谱聚类方法的性能。
• 推导出在同时存在边和超边时，基于超边的谱聚类优于基于边的聚类的条件。
• 基于超边密度和观测质量，提供一个系统性的准则，以选择最优的聚类基础（边或超边）。

提出的方法

• 提出超图随机块模型（SupSBM），其中高阶结构（如三角形或3-一致超边）通过独立的超边过程生成，然后与异质随机图模型中的边叠加。
• 通过叠加机制建模边依赖关系，以保持强局部聚类和短平均路径长度等真实网络特性。
• 对SupSBM应用高阶谱聚类，并利用依赖随机变量的集中不等式，推导出误聚类误差的非渐近上界。
• 采用两阶段分析：首先，使用依赖变量的改进版切尔诺夫不等式，建立节点对之间超边数量的集中性。
• 基于每个节点的最大边数和超边密度，引入一种阈值机制，以控制谱聚类中的误差传播。
• 通过比较每种表示形式（边或超边）的信噪比，推导出选择基于边或基于超边聚类的决策规则，依据为超边密度和观测质量。

实验结果

研究问题

• RQ1 在叠加了高阶基序且边之间存在依赖关系的网络中，高阶谱聚类在何种条件下能够成功恢复社区结构？
• RQ2 与标准SBM相比，超边（如三角形）的存在如何影响谱社区检测中的误聚类误差？
• RQ3 当同时观测到边和超边时，最优社区检测策略是什么——应基于边聚类、基于超边聚类，还是组合使用？
• RQ4 如何量化在确定最佳聚类基础时，超边密度与观测质量之间的权衡？
• RQ5 在非渐近设置下，SupSBM中的误聚类误差可以建立怎样的理论边界？

主要发现

• 本文在SupSBM下建立了高阶谱聚类误聚类误差的非渐近上界，表明在适当条件下，误差随节点数呈多项式衰减。
• 对于标准SBM和3-一致超图SBM，作者推导出新的、更紧的误聚类误差上界，优于现有结果。
• 当同时观测到边和3-一致超边时，本文提供了选择基于边或基于超边谱聚类的准则，取决于超边密度和信噪比。
• 分析表明，若每个节点的期望超边数满足 $ np^{e}_{ ext{max}} \geq \log n $，则误聚类误差以高概率有界。
• 以高概率 $ 1 - n^{-c} $，超边诱导图中的最大度数被限制在 $ c_1 \Delta_{E^3} $ 以内，其中 $ \Delta_{E^3} $ 是每个节点的期望超边数。
• 即使由于叠加的超边结构导致边之间存在依赖关系，该方法仍能实现一致的社区检测，验证了在真实网络模型下高阶谱聚类的鲁棒性。