[论文解读] Role-based Label Propagation Algorithm for Community Detection

Xuegang Hu, Wei He+2 more|arXiv (Cornell University)|Jan 23, 2016

Complex Network Analysis Techniques参考文献 28被引用 4

一句话总结

本文提出基于角色的标签传播算法（roLPA），通过引入节点角色启发式方法，提升传统标签传播算法（LPA）的稳定性，并减少出现怪物社区的情况。通过根据节点角色（如中心节点、连接节点或孤立节点）分配不同的传播规则，roLPA 在合成网络和真实网络上均实现了与最先进社区检测方法相当的性能。

ABSTRACT

Community structure of networks provides comprehensive insight into their organizational structure and functional behavior. LPA is one of the most commonly adopted community detection algorithms with nearly linear time complexity. But it suffers from poor stability and occurrence of monster community due to the introduced randomize. We note that different community-oriented node roles impact the label propagation in different ways. In this paper, we propose a role-based label propagation algorithm (roLPA), in which the heuristics with regard to community-oriented node role were used. We have evaluated the proposed algorithm on both real and artificial networks. The result shows that roLPA is comparable to the state-of-the-art community detection algorithms.

研究动机与目标

• 解决标准标签传播算法（LPA）因随机初始化而导致的不稳定性及易形成怪物社区的问题。
• 研究不同节点角色（如中心节点、连接节点和孤立节点）对社区检测中标签传播动态的影响。
• 开发一种确定性的、角色感知的 LPA 扩展方法，降低对随机种子选择的敏感性，同时保持接近线性的时间复杂度。
• 在多样化的现实和人工网络上评估所提出方法，以证明其鲁棒性及与最先进算法相比的竞争力。

提出的方法

• 基于结构属性对节点进行角色分类：中心节点（高连接度）、连接节点（桥接节点）和孤立节点（低连接度、外围节点）。
• 在标签传播过程中，为每类节点角色分配不同的传播优先级和规则，以更有效地引导标签分配。
• 通过引入基于角色的启发式方法，修改标准 LPA 的更新规则，使其更倾向于向更中心或结构上更重要的节点传播标签。
• 采用投票机制，其中每个节点采纳其邻居中出现频率最高的标签，且该标签的权重由邻居的基于角色的影响决定。
• 引入一种确定性的标签分配策略，减少初始标签分配中的随机性，从而提高结果的可重现性。
• 迭代应用该算法直至收敛，标签更新基于角色感知的传播规则在节点间同步进行。

实验结果

研究问题

• RQ1 不同节点角色在多大程度上影响标签传播在社区检测中的收敛性和稳定性？
• RQ2 在 LPA 框架中引入节点角色信息，能否减少大型、人为生成的“怪物”社区的出现？
• RQ3 与标准 LPA 相比，基于角色的标签分配在多大程度上提升了社区检测的准确性和鲁棒性？
• RQ4 roLPA 在基准真实网络和合成网络上与最先进社区检测算法相比表现如何？
• RQ5 基于角色的方法是否在提升性能的同时，保持了标准 LPA 的近似线性时间复杂度？

主要发现

• 与标准 LPA 相比，roLPA 显著减少了怪物社区的形成，后者常因随机初始化而产生单一主导社区。
• 该算法在真实网络和合成网络上均实现了与最先进方法（如 Louvain 和 Leiden）相当的社区检测准确率。
• 通过利用节点角色，roLPA 提升了多次运行结果的稳定性和可重现性，降低了由随机种子选择引起的方差。
• 该方法保持了近乎线性的时间复杂度，使其在大规模网络上具有可扩展性，与标准 LPA 一致。
• 在多种网络类型的实证评估中，结果证实基于角色的传播能产生更一致且更有意义的社区结构。
• 引入角色启发式方法增强了对核心-外围结构和模块化结构的检测能力，尤其在节点连接异质性较高的网络中表现更优。