大规模网络中的分布式社区检测
摘要：大型网络的社区检测是一项具有挑战性的任务，由于计算成本高，并且存在异质的社区结构。随机块模型 (SBM) 是一种流行的模型，用于分析社区结构，在该模型中，属于同一社区的节点以相等的概率相连。模块化优化方法提供了一种快速有效的方式来检测具有同构社区结构的社区，其中社区内的节点之间连接紧密，而跨社区的节点之间连接相对较松散。然而，在现实世界的网络中普遍存在非同构的社区结构，即跨社区的节点之间连接紧密，这导致了模块化优化方法在应用中的一致性问题。本文考虑具有“组合社区”（或“组结构”）的网络，其中组合社区内的节点连接紧密，而跨组合社区的节点连接相对较松散，而同一组但不同社区的节点可以连接紧密或松散。我们将组结构纳入SBM中，并提出一种新的分治算法来检测社区结构。我们表明，所提出的方法在渐近意义下可以恢复组结构和社区结构。数值研究表明，所提出的方法可以显著降低计算成本，同时仍然达到竞争性能。此外，我们将所提出的框架从SBM扩展到修正度SBM，以应用于更一般的情况。
作者：Sheng Zhang, Rui Song, Wenbin Lu, Ji Zhu
论文ID：2203.06509
分类：Computation
分类简称：stat.CO
提交时间：2022-03-15