[论文解读] Improving PageRank for Local Community Detection

Alexandre Hollocou, Thomas Bonald+1 more|arXiv (Cornell University)|Oct 27, 2016

Complex Network Analysis Techniques参考文献 14被引用 4

一句话总结

该论文提出 WalkSCAN，一种新颖的局部社区检测算法，通过从种子节点出发的低维随机游走嵌入来检测多个可能重叠的社区。通过将节点映射到向量空间（使用短随机游走，T=2–3），该方法利用字典序排序（LexRank）和 DBSCAN 聚类实现高效的社区检测，在具有复杂社区结构的真实网络中表现优于 PageRank。

ABSTRACT

Community detection is a classical problem in the field of graph mining. While most algorithms work on the entire graph, it is often interesting in practice to recover only the community containing some given set of seed nodes. In this paper, we propose a novel approach to this problem, using some low-dimensional embedding of the graph based on random walks starting from the seed nodes. From this embedding, we propose some simple yet efficient versions of the PageRank algorithm as well as a novel algorithm, called WalkSCAN, that is able to detect multiple communities, possibly overlapping. We provide insights into the performance of these algorithms through the theoretical analysis of a toy network and show that WalkSCAN outperforms existing algorithms on real networks.

研究动机与目标

• 通过聚焦于从种子节点出发的局部社区检测，解决大规模复杂网络中全局社区检测方法的局限性。
• 开发一种能够检测多个可能重叠社区的方法，而非假设仅存在单一互不相交的社区。
• 提高对噪声或不完美种子集合（包括目标社区外的节点）的鲁棒性。
• 提供一种计算高效的替代方案，相较于现有的基于 PageRank 的方法，采用低维嵌入。

提出的方法

• 使用从种子节点出发的随机游走概率，将节点嵌入到 T 维空间，其中 T=2 或 3 以保证计算效率。
• 将 PageRank 重新解释为嵌入空间中的线性分类器，从而支持简单的变体，如 PageRankThreshold 和 LexRank。
• 提出 LexRank，一种无需参数的算法，通过嵌入空间中的字典序对节点进行排序。
• 引入 WalkSCAN，该方法在嵌入空间中应用 DBSCAN 聚类以检测多个社区。
• 利用嵌入保留社区结构，即使在短随机游走下也能实现可扩展且准确的检测。
• 理论分析表明，嵌入向量能将不同社区的节点区分开来，尤其当种子节点覆盖多个社区时效果更明显。

实验结果

研究问题

• RQ1 从种子节点出发的低维随机游走嵌入是否能有效保留社区结构，以支持局部社区检测？
• RQ2 基于嵌入空间中字典序排序的 LexRank 是否在社区检测中优于传统的 PageRank？
• RQ3 当种子集合覆盖多个社区时，WalkSCAN 是否能检测到多个重叠社区？
• RQ4 WalkSCAN 对种子集合中包含非目标节点的情况是否具有鲁棒性？
• RQ5 在存在噪声或网络条件扰动的情况下，基于嵌入的方法是否仍能保持性能？

主要发现

• WalkSCAN 在具有复杂重叠社区结构的真实世界网络中，优于现有算法，包括 PageRank。
• 该方法仅需随机游走 T=2 或 3 步即可实现高性能，表明低维嵌入已足以实现有效的社区检测。
• LexRank 作为一种无参数变体，通过基于嵌入空间中字典序的排序实现具有竞争力的性能。
• 当种子集合覆盖多个社区时，WalkSCAN 能够成功恢复多个社区，而这是标准 PageRank 所不具备的能力。
• 该算法对种子集合错误具有鲁棒性，在种子集合中包含目标社区外节点的情况下仍能保持高准确率。
• 对一个小型网络的理论分析证实，嵌入向量能将不同社区的节点区分开来，且在嵌入空间中可观察到明显的聚类模式。