[论文解读] Overlapping Community Detection with Graph Neural Networks

Oleksandr Shchur, Stephan Günnemann|arXiv (Cornell University)|Sep 26, 2019

Complex Network Analysis Techniques参考文献 42被引用 30

一句话总结

本文提出 NOCD，一种基于图神经网络（GNN）的重叠社区检测模型，通过伯努利-泊松生成模型联合学习节点表征与社区隶属关系。该模型在准确率和可扩展性方面优于现有基线模型，且 GNN 在性能中发挥关键作用，尤其在缺乏强节点特征的图上表现更佳。

ABSTRACT

Community detection is a fundamental problem in machine learning. While deep learning has shown great promise in many graphrelated tasks, developing neural models for community detection has received surprisingly little attention. The few existing approaches focus on detecting disjoint communities, even though communities in real graphs are well known to be overlapping. We address this shortcoming and propose a graph neural network (GNN) based model for overlapping community detection. Despite its simplicity, our model outperforms the existing baselines by a large margin in the task of community recovery. We establish through an extensive experimental evaluation that the proposed model is effective, scalable and robust to hyperparameter settings. We also perform an ablation study that confirms that GNN is the key ingredient to the power of the proposed model.

研究动机与目标

• 解决重叠社区检测领域中深度学习模型缺乏的问题，该问题是现实世界图中常见但研究不足的问题。
• 构建一个端到端可微分框架，将图神经网络与概率社区建模相结合，以学习重叠的节点隶属关系。
• 通过引入四个新数据集和一个参考实现，建立重叠社区检测的基准。
• 证明 GNN 对性能至关重要，尤其在节点属性不可靠或缺失时。

提出的方法

• 提出一种可微分神经网络架构 NOCD，通过端到端优化学习非负的社区隶属矩阵。
• 采用伯努利-泊松生成模型，基于节点隶属向量的点积定义边存在的似然，从而支持重叠社区。
• 使用带投影的梯度下降法结合 Adam 优化器训练模型，最小化负对数似然目标函数，并对社区隶属关系施加非负性约束。
• 设计两种变体：NOCD-X（使用节点特征）和 NOCD-G（使用邻接矩阵作为输入），以适应不同类型的数据。
• 集成 GNN 层以传播和聚合邻域信息，捕捉对社区检测至关重要的结构模式。
• 进行消融研究以分离 GNN 的贡献，与 MLP 和自由变量基线进行比较。

实验结果

研究问题

• RQ1 图神经网络能否有效应用于重叠社区检测任务，其中社区并非互斥？
• RQ2 基于 GNN 的模型在重叠社区检测任务上的性能，与非深度学习基线及非 GNN 的深度学习基线相比如何？
• RQ3 在节点特征噪声大或稀疏时，GNN 与节点特征对检测重叠社区的相对贡献如何？
• RQ4 所提出的模型在大规模图上的可扩展性如何，且在不同超参数设置下是否保持鲁棒？
• RQ5 所提出的模型能否用于量化节点属性对社区结构的相关性？

主要发现

• NOCD 模型在 11 个基准数据集上的重叠社区检测任务中显著优于现有基线，取得了更高的标准化互信息（NMI）分数。
• 当节点属性可靠时（如在化学和工程数据集中），基于 MLP 的模型表现良好，但在 Facebook 数据集上表现不佳，因为其属性信息较少。
• 当以邻接矩阵作为输入时，基于 GNN 的模型始终优于基于 MLP 的变体，证实了结构归纳偏差的重要性。
• 消融研究确认 GNN 组件对性能至关重要，移除后准确率显著下降，尤其在节点特征较弱的图上更为明显。
• 该模型具有良好的可扩展性，对超参数设置不敏感，在多种图类型和社区结构下均保持一致的性能表现。
• 引入四个新基准数据集，实现了标准化评估，为未来在重叠社区检测领域的研究提供了支持。