子超图社区检测模型中精确恢复的信息论极限
机器学习
2021-07-07 v1 机器学习
摘要
本文研究了子超图社区检测模型中精确恢复的信息论界限。我们定义了一种称为m-一致子超图随机块模型（m-ShSBM）的通用模型。在m-ShSBM下，我们利用Fano不等式确定了任何算法都以大概率无法精确恢复植入社区的模型参数区域。我们还确定了最大似然估计（MLE）算法以高概率成功精确恢复社区的区域。我们的界限是紧的，并适用于多种模型中的社区检测问题，如植入超图随机块模型、植入最密子超图模型以及植入多部超图模型。
引用
@article{arxiv.2101.12369,
title = {Information Theoretic Limits of Exact Recovery in Sub-hypergraph Models for Community Detection},
author = {Jiajun Liang and Chuyang Ke and Jean Honorio},
journal= {arXiv preprint arXiv:2101.12369},
year = {2021}
}