中文

鲁棒社区检测的极小极大速率

数据结构与算法 2022-07-26 v1 机器学习 社会与信息网络 概率论 机器学习

摘要

在这项工作中,我们研究了具有对抗性节点损坏的随机块模型中的社区检测问题。我们的主要结果是一个高效算法,该算法可容忍ϵ\epsilon比例的损坏,并取得误差O(ϵ)+eC2(1±o(1))O(\epsilon) + e^{-\frac{C}{2} (1 \pm o(1))},其中C=(ab)2C = (\sqrt{a} - \sqrt{b})^2为信噪比,a/na/nb/nb/n分别为社区间和社区内的连接概率。这些界基本上与无损坏SBM的极小极大速率相匹配。我们还给出了Z2\mathbb{Z}_2-同步的鲁棒算法。我们算法的核心是一个新的半定规划,它利用全局信息鲁棒地提升粗略聚类的精度。此外,我们表明我们的算法是双重鲁棒的,即它们在一个更具挑战性的噪声模型下也有效,该模型将对抗性损坏与来自半随机模型的无界单调变化相混合。

关键词

引用

@article{arxiv.2207.11903,
  title  = {Minimax Rates for Robust Community Detection},
  author = {Allen Liu and Ankur Moitra},
  journal= {arXiv preprint arXiv:2207.11903},
  year   = {2022}
}

备注

To appear in FOCS 2022