[论文解读] Partitioning Networks with Node Attributes by Compressing Information Flow

Laura Mazzoli Smith, Linhong Zhu+2 more|arXiv (Cornell University)|May 17, 2014

Complex Network Analysis Techniques参考文献 10被引用 5

一句话总结

本文提出内容图方程（Content Map Equation），一种基于信息论的方法，通过联合压缩链接与节点属性中的信息流，对内容丰富的网络进行分区。通过使用自顶向下的贪心搜索最小化描述长度，该方法发现具有高内部信息流和相似属性的模块，在准确性和速度上均优于仅考虑链接或包含属性的基线方法，且无需调整特定参数。

ABSTRACT

Real-world networks are often organized as modules or communities of similar nodes that serve as functional units. These networks are also rich in content, with nodes having distinguishing features or attributes. In order to discover a network's modular structure, it is necessary to take into account not only its links but also node attributes. We describe an information-theoretic method that identifies modules by compressing descriptions of information flow on a network. Our formulation introduces node content into the description of information flow, which we then minimize to discover groups of nodes with similar attributes that also tend to trap the flow of information. The method has several advantages: it is conceptually simple and does not require ad-hoc parameters to specify the number of modules or to control the relative contribution of links and node attributes to network structure. We apply the proposed method to partition real-world networks with known community structure. We demonstrate that adding node attributes helps recover the underlying community structure in content-rich networks more effectively than using links alone. In addition, we show that our method is faster and more accurate than alternative state-of-the-art algorithms.

研究动机与目标

• 解决现有网络分区方法忽略节点属性的问题，尽管这些属性在现实世界网络中具有重要意义。
• 开发一种统一的、无需参数调整的框架，将链接与属性同等对待，以识别网络模块。
• 通过在信息流压缩中整合节点属性，提升内容丰富网络中社区检测的准确性和效率。
• 证明基于属性的分区方法在与真实社区结构对齐方面优于仅基于链接或混合方法的方案。

提出的方法

• 在地图方程（Map Equation）基础上扩展，提出包含节点属性信息的内容图方程，将其纳入随机游走描述长度的计算中。
• 采用贪心的自底向上算法最小化内容图方程，从每个节点作为独立模块开始，通过迭代合并以减少描述长度。
• 提出一种自顶向下的搜索策略并结合随机重启，以在可扩展性和计算性能上优于自底向上的方法。
• 自顶向下算法的初始化采用随机分配，而非使用LDA或基于地图方程的种子初始化，因为后者被发现会降低性能。
• 使用主题建模（如LDA）进行属性表示，但仅将属性计数视为足够信息用于压缩，无需复杂依赖建模。
• 通过最小化消息长度，识别出信息流被限制在属性相似节点模块内部的最优分区。

实验结果

研究问题

• RQ1 将节点属性整合到信息流压缩中，能否提升网络社区检测的准确性？
• RQ2 所提出的方法在准确性和运行时间方面是否优于仅基于链接和包含属性的基线方法？
• RQ3 内容图方程对不同属性表示是否具有鲁棒性？是否消除了对参数调优的需求？
• RQ4 自顶向下搜索策略与自底向上方法相比，在可扩展性和解的质量方面表现如何？

主要发现

• 在Citeseer和Pubmed等真实网络上，内容图方程生成的分区在纯度和F1值上均优于原始地图方程。
• 自顶向下贪心搜索（T-CME）的描述长度低于自底向上方法（B-CME），表明其具有更高的压缩效率。
• 在6个数据集中的5个中，自顶向下算法的随机初始化优于LDA或基于地图方程的初始化，表明预先加权属性或链接会损害性能。
• 该方法在速度和准确性上均优于最先进的方法（如BACG和Codicil），尤其在大规模网络上表现更优。
• 该方法无需对链接与属性的相对影响进行参数调优，因此更具鲁棒性且更易于应用。
• 尽管忽略了属性之间的依赖关系，该方法依然有效；但将相关属性建模纳入未来工作被认定为一个有前景的方向。