一类可由谱聚类恢复的网络模型
机器学习
2021-04-22 v1 机器学习
摘要
在网络中发现社区是一个尽管近期备受关注但仍困难的问题。随机块模型（SBM）是一种带有“社区”的图生成模型，因其简单性，理论理解在近年快速推进。特别地，已有若干结果表明，使用图的归一化拉普拉斯矩阵的谱聚类的简单版本可以高概率近乎完美地恢复社区。此处我们证明，用于 SBM 及其称为度修正 SBM 的扩展的本质上同一算法，可在一类更广泛的块模型上工作，我们称之为偏好框架模型，且带有本质相同的保证。此外，我们引入的参数化清晰地展示了指定该类模型所需的自由参数，并得出的界更清楚地揭示了控制该类模型恢复误差的参数。
引用
@article{arxiv.2104.10347,
title = {A class of network models recoverable by spectral clustering},
author = {Yali Wan and Marina Meila},
journal= {arXiv preprint arXiv:2104.10347},
year = {2021}
}
备注
15 pages