[论文解读] Network Classification and Categorization

James P. Canning, Emma E. Ingram+6 more|arXiv (Cornell University)|Sep 13, 2017

Complex Network Analysis Techniques参考文献 4被引用 4

一句话总结

本文提出一种基于15个结构特征的机器学习方法，对网络进行分类，使用随机森林分类器实现了94.2%的准确率。结果表明，来自不同领域（如社交、生物和网络图）的真实世界网络表现出独特的结构特征，而随机网络（ER和BA模型）与真实网络在结构上可轻易区分。

ABSTRACT

To the best of our knowledge, this paper presents the first large-scale study that tests whether network categories (e.g., social networks vs. web graphs) are distinguishable from one another (using both categories of real-world networks and synthetic graphs). A classification accuracy of $94.2\%$ was achieved using a random forest classifier with both real and synthetic networks. This work makes two important findings. First, real-world networks from various domains have distinct structural properties that allow us to predict with high accuracy the category of an arbitrary network. Second, classifying synthetic networks is trivial as our models can easily distinguish between synthetic graphs and the real-world networks they are supposed to model.

研究动机与目标

• 确定来自不同领域的现实世界网络是否表现出结构上独特的特征。
• 评估是否可以使用简单且可计算的特征可靠地对网络类别进行分类。
• 评估合成网络模型（ER和BA）与真实世界网络相比的判别能力。
• 基于结构相似性，识别网络类别之间是否存在重叠或模糊性。
• 探索分类模型在揭示各类网络中异常值和结构异常方面的实用性。

提出的方法

• 在过滤掉实例数量少和非静态类别后，收集了来自8个类别的529个网络（包括真实世界网络和合成图）。
• 从每个网络中提取了15个标准结构特征，包括度分布、聚类系数、度相关性以及与三角形相关的度量。
• 应用t分布随机邻域嵌入（t-SNE）进行可视化降维和聚类分析。
• 使用15维特征向量训练随机森林分类器，以从未见图中预测网络类别。
• 在t-SNE嵌入上应用k-means聚类，以验证视觉聚类模式。
• 对误分类网络进行错误分析，以识别其结构相似性及特定领域的异常现象。

实验结果

研究问题

• RQ1 仅基于结构特征，能否准确分类来自不同领域的现实世界网络？
• RQ2 使用标准结构特征，合成网络（ER和BA）与现实世界网络在多大程度上可被区分？
• RQ3 网络类别如“网络”和“社交”在结构特性上重叠程度如何？
• RQ4 人类与非人类大脑网络之间是否存在可识别的结构差异？
• RQ5 分类模型能否为跨学科网络结构提供新的洞见？

主要发现

• 使用仅15个结构特征，随机森林分类器在预测未见网络类别时达到了94.2%的准确率。
• 合成网络（ER和BA）被轻松分类，且未与真实世界网络混淆，表明其在结构上具有显著差异。
• 网络与技术网络，以及大脑与生物网络之间表现出显著的结构相似性，提示可能存在类别重叠。
• 多个被误分类为“转发”网络的网络与实际的转发网络在结构上相似，表明可能存在跨领域的结构模式。
• 所有五个被误分类的非人类大脑网络均被错误标记为人类，提示人类与非人类大脑网络之间可能存在结构差异，或网络构建过程中存在不一致性。
• 该模型识别出各类别中的异常值，突显了潜在的异常或独特结构特性，需进一步研究。