[论文解读] Informative core identification in complex networks

Ruizhong Miao, Tianxi Li|arXiv (Cornell University)|Jan 16, 2021

Complex Network Analysis Techniques参考文献 56被引用 4

一句话总结

本文提出了一种新颖的核-外围模型，无需对核心结构的形式作特定假设，即可在复杂网络中识别出具有信息量的核心结构，采用具有强理论保证的谱算法。该方法在核心识别方面优于传统方法，通过过滤非信息量的外围节点，提升了引用网络中分层社区检测的准确性。

ABSTRACT

In network analysis, the core structure of modeling interest is usually hidden in a larger network in which most structures are not informative. The noise and bias introduced by the non-informative component in networks can obscure the salient structure and limit many network modeling procedures' effectiveness. This paper introduces a novel core-periphery model for the non-informative periphery structure of networks without imposing a specific form for the informative core structure. We propose spectral algorithms for core identification as a data preprocessing step for general downstream network analysis tasks based on the model. The algorithm enjoys a strong theoretical guarantee of accuracy and is scalable for large networks. We evaluate the proposed method by extensive simulation studies demonstrating various advantages over many traditional core-periphery methods. The method is applied to extract the informative core structure from a citation network and give more informative results in the downstream hierarchical community detection.

研究动机与目标

• 为解决大规模网络中非信息性网络结构掩盖显著模式的挑战。
• 开发一种系统化的预处理方法，识别信息核心，同时过滤掉无信息量的外围节点。
• 提出一种不将核心限制于特定网络模型的核-外围模型，提升下游分析的通用性。
• 在温和条件下，为核心识别的准确性提供理论保证。
• 在真实引用网络上评估该方法，并证明其在分层社区检测中性能的提升。

提出的方法

• 提出一种核-外围模型，其中核心包含具有信息量的连接模式，而外围为无信息量的，且不假设核心的具体模型形式。
• 基于该模型，开发了利用网络邻接矩阵特征结构的谱算法以识别核心。
• 通过特征值间隔分析检测信息核心的秩，当存在显著特征值间隔时，将核心识别为前导特征子空间。
• 采用两种变体：一种为Erdős–Rényi型模型，另一种为配置模型，用于外围结构，两者均实现稳健的核心检测。
• 采用两步流程：首先，通过邻接矩阵上的谱聚类识别核心；其次，在核心上应用分层社区检测（HCD）。
• 利用论文摘要之间的余弦相似度构建真实标签相似度矩阵，以评估分层结构的质量。

实验结果

研究问题

• RQ1 能否设计一种核-外围模型，不假设信息核心的特定参数形式，从而实现更广泛的应用？
• RQ2 在存在非信息性外围结构的情况下，谱方法如何实现核心识别的理论一致性保证？
• RQ3 核心提取在多大程度上提升了引用网络中下游分层社区检测的可解释性和准确性？
• RQ4 与传统的核识别技术（如k-core、PageRank和基于度的剪枝）相比，该方法在捕捉有意义的网络分层结构方面表现如何？
• RQ5 当外围结构庞大且嘈杂时，该方法是否仍能稳健地识别核心，同时保留真实的底层结构？

主要发现

• 当 $N_{Σ} = 635$ 时，网络推导的分层结构与基于摘要的结构之间的斯皮尔曼等级相关系数达到 0.350，显著优于 k-core（0.167）和度基基线（0.099）。
• 配置型模型的皮尔逊相关系数为 0.350，而 ER 型模型达到 0.340，表明两种模型变体之间差异可忽略。
• 在提取的核心上进行的分层社区检测揭示了具有可解释关键词的连贯聚类，例如第1和第2号聚类中的 'lasso'、'sparsity' 和 'model selection'。
• 通过该方法提取的核心所生成的分层结构比所有基线方法更具意义且更易解释，该结论通过摘要相似性度量得到验证。
• 该方法在温和条件下表现出核心识别的强一致性，确保一旦核心被正确提取，下游分析结果即保持有效。
• 结果表明，过滤非信息性外围节点能显著提升引用网络中分层社区检测的质量。