模块化网络随机块模型的渐近分析及其算法应用
统计力学
2013-05-09 v2 无序系统与神经网络
社会与信息网络
物理与社会
摘要
本文扩展了我们之前关于随机块模型（社会与生物网络中常用的生成模型）以及从网络拓扑推断功能群组或社区问题的研究。我们使用统计物理的腔方法获得了相图的渐近精确分析。我们详细描述了社区检测问题中可检测/不可检测相变和容易/困难相变的性质。我们的分析自然地转化为一种置信传播算法，能够以最优方式（即最大化与底层群组成员关系的重叠度）推断节点的群组成员关系，并学习块模型的底层参数。最后，我们将该算法应用于两个真实世界网络的实例，并讨论了其性能。
引用
@article{arxiv.1109.3041,
title = {Asymptotic analysis of the stochastic block model for modular networks and its algorithmic applications},
author = {Aurelien Decelle and Florent Krzakala and Cristopher Moore and Lenka Zdeborová},
journal= {arXiv preprint arXiv:1109.3041},
year = {2013}
}
备注
Typos in eq. (40) on p. 13 fixed