[论文解读] Recovery and rigidity in a regular stochastic block model

Gerandy Brito, Ioana Dumitriu+3 more|arXiv (Cornell University)|Jan 10, 2016

Complex Network Analysis Techniques参考文献 25被引用 13

一句话总结

本文提出了规则随机块模型（RSBM），即一种具有平衡度分布的二元随机块模型变体，并证明了在高概率下可实现精确社区恢复。通过谱方法，本文确定了一个可实现高效恢复的区域，并展示了可通过自举法将部分恢复提升为完全恢复，从而确立了该模型的刚性特征。

ABSTRACT

The stochastic block model is a natural model for studying community detection in random networks. Its clustering properties have been extensively studied in the statistics, physics and computer science literature. Recently this area has experienced major mathematical breakthroughs, particularly for the binary (two-community) version, see [24, 25, 20]. In this paper, we introduce a variant of the binary model which we call the regular stochastic block model (RSBM). We prove rigidity of this model by showing that with high probability an exact recovery of the community structure is possible. Spectral methods exhibit a regime where this can be done efficiently. Moreover we also prove that, in this setting, any suitably good partial recovery can be bootstrapped to obtain a full recovery of the communities.

研究动机与目标

• 提出一种新的随机块模型变体——规则随机块模型（RSBM），其具有平衡的度分布。
• 通过证明在高概率下可实现精确社区恢复，建立RSBM的刚性特征。
• 识别一个谱方法适用的区域，使得社区的高效恢复成为可能。
• 证明任何足够精确的部分恢复均可通过自举法系统性地升级为完全恢复。

提出的方法

• 通过在节点度上施加规则性约束来定义RSBM，确保社区内部及社区之间的连接保持平衡。
• 对邻接矩阵应用谱方法以提取社区结构，利用该模型的规则结构特性。
• 利用集中不等式和谱间隙分析，证明在高概率下可实现恢复。
• 开发了一种自举程序，将部分社区分配逐步优化为精确恢复。
• 理论分析依赖于随机矩阵理论以及在规则性约束下对对称随机矩阵的性质。
• 结果表明，该模型表现出刚性，即在典型实现下，社区结构是唯一确定的。

实验结果

研究问题

• RQ1 在规则随机块模型中，是否可在高概率下实现精确社区恢复？
• RQ2 RSBM是否具有一个谱方法适用的区域，使得高效恢复成为可能？
• RQ3 在RSBM中，是否可系统性地将部分恢复改进为完全恢复？
• RQ4 RSBM的哪些结构特性确保了社区分配的刚性？
• RQ5 节点度的规则性如何影响社区检测中的可检测性阈值？

主要发现

• 在RSBM中，可在高概率下实现精确社区恢复，从而确立了其刚性特征。
• 谱方法在RSBM的特定区域内可实现高效恢复。
• 任何足够精确的部分恢复均可通过迭代方式改进为精确恢复。
• RSBM的规则结构增强了可检测性，并使得在标准随机块模型中难以获得的理论保证成为可能。
• 该模型表现出一个清晰的恢复阈值，表明可检测性存在明确的相变。
• 理论分析确认，谱方法在RSBM的规则性约束下性能具有鲁棒性。