Overlapping Community Detection in Networks via Sparse Spectral Decomposition
Overlapping Community Detection in Networks via Sparse Spectral Decomposition
复制标题
通过稀疏谱分解进行网络中的重叠社区检测
DOI：
10.1007/s13171-021-00245-4
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Levina, Elizaveta
中科院分区：
文献类型：
--
作者：
Arroyo, Jesús;Levina, Elizaveta
我们考虑的问题，估计重叠的社区成员在网络中，每个节点可以属于多个社区。每个节点的社区数量超过几个是很难估计和解释的，所以我们专注于稀疏节点成员向量。我们的算法是基于稀疏主子空间估计与迭代阈值。该方法计算效率高，计算成本相当于估计邻接矩阵的主要特征向量，并且与谱聚类方法不同，不需要额外的聚类步骤。我们表明，一个不动点的算法对应于正确的节点成员下的随机块模型的一个版本。该方法在模拟和真实网络上进行了经验评估，显示出良好的统计性能和计算效率。
We consider the problem of estimating overlapping community memberships in a network, where each node can belong to multiple communities. More than a few communities per node are difficult to both estimate and interpret, so we focus on sparse node membership vectors. Our algorithm is based on sparse principal subspace estimation with iterative thresholding. The method is computationally efficient, with computational cost equivalent to estimating the leading eigenvectors of the adjacency matrix, and does not require an additional clustering step, unlike spectral clustering methods. We show that a fixed point of the algorithm corresponds to correct node memberships under a version of the stochastic block model. The methods are evaluated empirically on simulated and real-world networks, showing good statistical performance and computational efficiency.
登录
查看更多内容
DOI：
--
发表时间：
2017-05
期刊：
arXiv: Methodology
影响因子：
--
作者：
Patrick Rubin-Delanchy;C. Priebe;M. Tang
通讯作者：
Patrick Rubin-Delanchy;C. Priebe;M. Tang
DOI：
--
发表时间：
2021
期刊：
Mining Complex Networks
影响因子：
--
作者：
B. Kamiński;P. Prałat;F. Théberge
通讯作者：
F. Théberge
影响因子：
64.8
作者：
Lee, DD;Seung, HS
通讯作者：
Seung, HS
影响因子：
2.7
作者：
Li, Tianxi;Levina, Elizaveta;Zhu, Ji
通讯作者：
Zhu, Ji
多个随机图综合嵌入的中心极限定理及其对多尺度网络推理的影响
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
Keith D. Levin;A. Athreya;M. Tang;V. Lyzinski;Youngser Park;C. Priebe
通讯作者：
C. Priebe