[论文解读] SLPA: Uncovering Overlapping Communities in Social Networks via A Speaker-listener Interaction Dynamic Process

Jierui Xie, Bolesław K. Szymański+1 more|arXiv (Cornell University)|Sep 26, 2011

Complex Network Analysis Techniques参考文献 15被引用 88

一句话总结

本文提出SLPA，一种动态发言者-听众标签传播算法，通过模拟节点间的信息交换，在社交网络中检测重叠社区。节点根据频率累积并传播多个标签，从而准确识别重叠节点与社区，SLPA在基准网络和真实网络中均优于现有方法，使用NMI和Qov指标评估。

ABSTRACT

Overlap is one of the characteristics of social networks, in which a person may belong to more than one social group. For this reason, discovering overlapping structures is necessary for realistic social analysis. In this paper, we present a novel, general framework to detect and analyze both individual overlapping nodes and entire communities. In this framework, nodes exchange labels according to dynamic interaction rules. A specific implementation called Speaker-listener Label Propagation Algorithm (SLPA1) demonstrates an excellent performance in identifying both overlapping nodes and overlapping communities with different degrees of diversity.

研究动机与目标

• 解决社交网络中节点属于多个群体的重叠社区检测挑战。
• 开发一种可扩展且高效的算法，利用动态交互过程建模现实的社区结构。
• 通过允许多个标签分配给单个节点，并模拟人类通信中的信息扩散，改进现有标签传播方法。
• 使用标准指标（如NMI和Qov）在合成基准数据集和真实网络上评估算法性能。

提出的方法

• 每个节点维护一个包含多个标签的记忆，代表其感知到的社区归属。
• 在每次迭代中，一个随机节点充当听众，根据邻居记忆中标签频率的成比例概率，从每个邻居接收一个标签。
• 听众从接收到的标签中选择出现频率最高的标签，相应地更新自身记忆。
• 该过程重复进行，直到满足停止条件（如固定迭代次数或收敛）。
• 后处理阶段基于每个节点记忆中累积的标签频率提取最终社区。
• 该算法高度可配置，支持对发言规则、倾听规则、记忆更新策略和停止条件进行自定义。

实验结果

研究问题

• RQ1 如何通过建模节点间动态的、类人类的信息交换来改进重叠社区检测？
• RQ2 SLPA在具有不同重叠程度的合成基准网络中，相较于现有重叠社区检测算法，在多大程度上表现更优？
• RQ3 在真实社交网络中，SLPA在检测到的重叠结构的模块度和准确性方面表现如何？
• RQ4 不同参数设置对SLPA检测具有不同多样性与重叠程度社区的能力有何影响？
• RQ5 在多种网络类型中，SLPA与SOTA方法（如Copra、CFinder和LFM）相比，在鲁棒性和可扩展性方面表现如何？

主要发现

• SLPA在所有测试网络结构中均达到最高的标准化互信息（NMI），尤其在高重叠多样性情况下（如μ = 0.3和大Om）表现更优。
• 随着重叠多样性增加，SLPA的NMI下降速度慢于其他算法，表明其具有更强的鲁棒性。
• 在真实网络中，SLPA在大多数情况下获得了最高的Qov值，仅在爵士网络中略低于Copra（低0.01）。
• 在空手道网络、线虫神经网络和电子邮件网络中，SLPA的Qov值显著优于Copra，差距超过0.1。
• SLPA检测到的社区数量和重叠节点数量更接近真实情况，尤其在低至中等重叠的网络中表现更优。
• 尽管检测到的重叠节点数量少于CFinder，但SLPA的结果与非重叠社区检测基线更为一致，表明其对重叠的定义更保守且更准确。