用于社区检测的 EXIT 分析
社会与信息网络
2019-01-29 v1 机器学习
机器学习
摘要
本文采用外信息转移(EXIT)方法——一种从差错控制码迭代译码分析中引入的技术——来研究在存在边信息情况下社区检测中置信传播的性能。我们考虑单个(隐藏)社区的检测,以及识别两个对称社区的问题。对于单社区检测,本文证明了 EXIT 预测弱恢复渐近相变的适用性。更重要的是,利用 EXIT 分析产生有用的见解,例如阈值附近置信传播的性能。对于两个对称社区,在有限字母表边信息下计算了置信传播的渐近残差误差,推广了先前带噪声标签的结果。EXIT 分析用于阐明边信息对社区检测的影响、其相对重要性取决于图信息与节点标签的相关性,以及边信息对残差误差的影响。
引用
@article{arxiv.1901.09656,
title = {EXIT Analysis for Community Detection},
author = {Hussein Saad and Aria Nosratinia},
journal= {arXiv preprint arXiv:1901.09656},
year = {2019}
}