[论文解读] Oriented and Degree-generated Block Models: Generating and Inferring Communities with Inhomogeneous Degree Distributions

Yaojia Zhu, Xiaoran Yan+1 more|arXiv (Cornell University)|May 31, 2012

Complex Network Analysis Techniques参考文献 14被引用 10

一句话总结

本文提出了两种新型块模型——定向度校正（ODC）和度生成（DG）——将顶点度数与边方向整合进社区检测，实现了在度分布呈重尾特征的网络中的精确推断。ODC 模型利用总度数和边方向以提升分类性能，而 DG 模型则从社区特异的先验分布（如幂律分布）中生成度数，相较于标准模型或度校正模型，在合成网络和真实网络（如词语邻接图）上实现了更高的准确率。

ABSTRACT

The stochastic block model is a powerful tool for inferring community structure from network topology. However, it predicts a Poisson degree distribution within each community, while most real-world networks have a heavy-tailed degree distribution. The degree-corrected block model can accommodate arbitrary degree distributions within communities. But since it takes the vertex degrees as parameters rather than generating them, it cannot use them to help it classify the vertices, and its natural generalization to directed graphs cannot even use the orientations of the edges. In this paper, we present variants of the block model with the best of both worlds: they can use vertex degrees and edge orientations in the classification process, while tolerating heavy-tailed degree distributions within communities. We show that for some networks, including synthetic networks and networks of word adjacencies in English text, these new block models achieve a higher accuracy than either standard or degree-corrected block models.

研究动机与目标

• 解决标准随机块模型（SBM）在处理社区内重尾度分布时的局限性。
• 克服度校正（DC）模型的缺点，后者将度数视为固定参数，无法利用其信息进行社区分类。
• 开发一种定向网络扩展，利用边方向提升社区检测性能，不同于定向度校正（DDC）模型。
• 提出一种生成框架，将顶点度数建模为从社区特异分布中抽取的随机变量，实现无需预先固定度数的基于度数的推断。
• 通过引入度数生成，提升 MCMC 推断的收敛速度与准确性，减少对计算成本高昂的预处理启发式方法（如 KL 方法）的依赖。

提出的方法

• 定向度校正（ODC）模型在建模边方向的同时校正顶点总度数，使其能够检测到入度与出度相关联的社区。
• 度生成（DG）模型将每个顶点的期望度数视为从其社区特异的先验分布（如幂律分布）中抽取的随机变量，其参数可被推断或固定。
• 对于两种模型，似然函数均包含在社区特异度先验下观测到的度数的概率，从而实现块分配与度分布的联合推断。
• ODC 模型使用依赖于总度数与边方向的似然函数，使其对顶点间方向不平衡敏感。
• DG 模型采用层次贝叶斯方法，其中度分布参数（如幂律指数与截断点）可预先指定或推断，且模型对不合理的度配置施加惩罚。
• 使用 MCMC 推断来采样块分配，性能通过合成网络与真实网络上的标准化互信息（NMI）进行评估。

实验结果

研究问题

• RQ1 能否在定向块模型中有效利用边方向，以提升社区检测性能，使其超越仅依赖度校正所能实现的效果？
• RQ2 能否通过将顶点度数建模为从社区特异分布中生成，来提升在度分布异质性明显的网络中的社区检测准确率？
• RQ3 在块模型中引入度数生成是否能加速 MCMC 收敛并减少对计算成本高昂的预处理启发式方法（如 KL 方法）的依赖？
• RQ4 ODC 与 DG 模型在检测具有重尾度分布的网络中的社区时，相较于标准 SBM、DC 与 DDC 模型表现如何？
• RQ5 在哪些类型的网络中——尤其是具有非对称或异质度结构的网络中——ODC 与 DG 模型相较于现有方法具有显著优势？

主要发现

• ODC 模型在合成网络与词语邻接网络上的 NMI 均高于 SBM 与 DC，证明了利用边方向进行社区检测的价值。
• 度生成显著提升了性能：对于 Brown(S)，DG-ODC 达到 NMI = 0.320（而 ODC 单独为 0.312）；对于 Brown(M)，达到 0.310（而 ODC 单独为 0.302）。
• 度生成使 ODC 的收敛速度几乎与使用 KL 启发式方法相当，减少了对昂贵预处理的依赖，同时实现了相近的性能。
• 在低社区间连接密度（λ = 0.05）的合成网络中，DG 模型即使在连接近乎均匀的情况下仍表现出高准确率，显示出对微弱社区信号的鲁棒性。
• 在社区具有显著不同度分布的网络中，DG 模型优于 DC 与 DDC，证明当度信息被适切建模时，可有效用于分类。
• ODC 模型成功捕捉了方向性模式（如英语文本中形容词位于名词之前），而 DDC 因无法利用方向信息而失败。