SCORE 的改进,尤其针对弱信号
社会与信息网络
2021-11-30 v2 机器学习
机器学习
摘要
一个网络可能具有弱信号和严重的度异质性,并且可能在某些情形下非常稀疏而在另一些情形下非常稠密。SCORE(Jin, 2015)是近来一种网络社区检测方法。它能适应严重的度异质性,并对不同稀疏程度具有自适应性,但其在具有弱信号网络上的表现尚不清楚。在本文中,我们证明在一大类允许弱信号、严重度异质性和广泛网络稀疏性的网络设定下,SCORE 实现了完美聚类,并在 Hamming 聚类误差上具有所谓的“指数率”。证明使用了关于网络邻接矩阵前导特征向量逐项界的最新进展。理论分析向我们保证 SCORE 在弱信号设定下继续表现良好,但并未排除 SCORE 可进一步改进以在真实应用中(尤其对具有弱信号的网络)获得更好性能的可能性。作为本文的第二项贡献,我们提出 SCORE+ 作为 SCORE 的改进版本。我们用 8 个网络数据集考察 SCORE+,发现其优于几种代表性方法。特别地,对于 6 个具有相对较强信号的数据集,SCORE+ 与 SCORE 性能相近;而对于 2 个可能具有弱信号的数据集(Simmons、Caltech),SCORE+ 的误差率大幅更低。SCORE+ 对 SCORE 提出了若干改动。我们通过理论研究与数值研究相结合,仔细解释了每处改动背后的原理。
引用
@article{arxiv.1811.05927,
title = {Improvements on SCORE, Especially for Weak Signals},
author = {Jiashun Jin and Zheng Tracy Ke and Shengming Luo},
journal= {arXiv preprint arXiv:1811.05927},
year = {2021}
}