[论文解读] Testing Network Structure Using Relations Between Small Subgraph Probabilities

Chao Gao, John Lafferty|arXiv (Cornell University)|Apr 22, 2017

Complex Network Analysis Techniques参考文献 36被引用 43

一句话总结

该论文提出了一种基于小规模子图概率关系的网络结构统计检验方法，具体针对边、三角形和V形子图频率，在Erdős-Rényi零假设模型下进行分析。论文建立了关于检验统计量 $T_2$ 和 $T_3$ 的多变量中心极限定理，表明基于 $χ^2$ 的检验在一般替代模型下（包括未知社区数 $k$ 的随机块模型）可实现渐近功效趋近于1，即使在弱于社区检测所需信噪比的条件下亦成立。

ABSTRACT

We study the problem of testing for structure in networks using relations between the observed frequencies of small subgraphs. We consider the statistics \begin{align*} T_3 & =( ext{edge frequency})^3 - ext{triangle frequency}\\ T_2 & =3( ext{edge frequency})^2(1- ext{edge frequency}) - ext{V-shape frequency} \end{align*} and prove a central limit theorem for $(T_2, T_3)$ under an Erdős-Rényi null model. We then analyze the power of the associated $χ^2$ test statistic under a general class of alternative models. In particular, when the alternative is a $k$-community stochastic block model, with $k$ unknown, the power of the test approaches one. Moreover, the signal-to-noise ratio required is strictly weaker than that required for community detection. We also study the relation with other statistics over three-node subgraphs, and analyze the error under two natural algorithms for sampling small subgraphs. Together, our results show how global structural characteristics of networks can be inferred from local subgraph frequencies, without requiring the global community structure to be explicitly estimated.

研究动机与目标

• 开发一种仅基于局部子图频率统计量的全局网络结构检测统计检验方法。
• 分析在Erdős-Rényi随机图模型下，基于子图频率的检验统计量的渐近分布。
• 评估在替代网络模型下的检验功效，特别是社区结构未知的随机块模型。
• 量化检测所需的信噪比阈值，并与社区检测方法进行比较。
• 评估在两种自然采样算法下子图频率估计的抽样误差。

提出的方法

• 提出两种检验统计量：$T_3 = (\text{边频率})^3 - \text{三角形频率}$ 和 $T_2 = 3(\text{边频率})^2(1 - \text{边频率}) - \text{V形频率}$，其来源于随机图中的同态约束。
• 在Erdős-Rényi零假设模型下，建立 $(T_2, T_3)$ 的多变量中心极限定理，为检验统计量的渐近正态性提供理论依据。
• 分析基于 $(T_2, T_3)$ 的 $χ^2$ 检验在广义替代模型类（包括随机块模型）下的功效。
• 利用方差分解与集中不等式，界定在有放回与无放回均匀采样下子图频率估计器的抽样误差。
• 应用鞅中心极限定理技术，推导出由子图采样引发依赖结构下的渐近正态性。
• 推导出在两种采样方案下子图频率估计误差的界：节点的均匀采样与三元组的均匀采样。

实验结果

研究问题

• RQ1 能否仅通过局部子图频率关系检测全局网络结构，而无需估计完整的社区结构？
• RQ2 在Erdős-Rényi零假设模型下，子图频率检验统计量 $T_2$ 和 $T_3$ 的渐近分布为何？
• RQ3 在社区数未知的随机块模型替代模型下，基于 $T_2$ 和 $T_3$ 的 $χ^2$ 检验的功效表现如何？
• RQ4 该检验实现高功效所需的最小信噪比为何？与社区检测方法所需信噪比相比如何？
• RQ5 采样算法如何影响用于检验统计量的子图频率估计误差？

主要发现

• 在Erdős-Rényi模型下，经适当标准化后，向量 $(T_2, T_3)$ 的分布收敛于多元正态分布。
• 基于 $(T_2, T_3)$ 的 $χ^2$ 检验在任意具有 $k$ 个社区的随机块模型下均能达到渐近功效趋近于1，即使 $k$ 未知亦成立。
• 该检验实现高功效所需的信噪比严格弱于社区检测方法，表明其为更灵敏的检测方法。
• 对于两社区随机块模型，该检验在社区检测的最优标度下仍能达到功效趋近于1，证实其在该参数区间的最优性。
• 在有放回与无放回的均匀采样下，子图频率估计的抽样误差均有界，方差项分别按 $O(\rho^6/m)$ 和 $O(\rho^3/|\Delta|)$ 的速率缩放。
• 该检验对采样噪声保持鲁棒，$T_2$ 与 $T_3$ 的估计误差以 $O_P(\rho^{5/2}/n + \rho^{3/2}/|\Delta|^{1/2})$ 的速率衰减，确保在部分子图采样下仍能实现可靠推断。