コミュニティ検出のためのネットワーク調整共変量

要約 コミュニティ検出はネットワーク分析において重要なタスクであり、被験者レベルの情報、すなわち共変量を組み込むことで大幅に改善できます。既存の手法では低次数ノードにおける共変量の効果が示されていますが、コミュニティの密度レベルが顕著に異なる場合、すなわちマルチスケールネットワークについてはほとんど議論されていません。本論文では、ネットワーク接続とノード固有の重みを持つ共変量を活用してネットワーク調整共変量を構築する新しい手法を紹介します。この重みはパラメータを調整することなく計算できます。共変量を持つ次数補正確率ブロックモデルの下での我々の手法の強い一貫性に関する新たな理論的結果を提示し、仕様の誤りや複数のスパースコミュニティが存在する場合でも成り立つことを示します。さらに、ネットワークと共変量が存在する場合のコミュニティ検出問題に対して一般的な下限を確立し、接続強度が定数因子まで最適であることを示します。我々の手法はシミュレーションおよびLastFMアプリのユーザーネットワークにおいて既存のアプローチを上回ります。次に、30%のノードが孤立している統計出版引用ネットワークにおいて我々の手法と他の手法を比較すると、我々の手法は合理的かつバランスの取れた結果を生み出します。我々の手法はRパッケージNACに実装されています。