基于混合整数规划的随机块模型社区检测
社会与信息网络
2021-05-05 v2 机器学习
摘要
度修正随机块模型（DCSBM）是一种流行的模型，用于在给定期望度序列的情况下生成具有社区结构的随机图。基于DCSBM的社区检测标准方法是通过最大似然估计（MLE）搜索最有可能产生观测网络数据的模型参数。当前针对MLE问题的方法是启发式算法，因此不保证收敛到最优解。我们提出数学规划公式和精确求解方法，可证明地在给定观测图的情况下找到最大似然的模型参数和社区分配。我们将这些精确方法与基于期望最大化（EM）的经典启发式算法进行比较。精确方法给出的解为衡量经典启发式算法的实验性能并比较其不同变体提供了原则性方式。
引用
@article{arxiv.2101.12336,
title = {Community Detection in the Stochastic Block Model by Mixed Integer Programming},
author = {Breno Serrano and Thibaut Vidal},
journal= {arXiv preprint arXiv:2101.12336},
year = {2021}
}
备注
added funding source in the Acknowledgements