张璇-2016.7.1组会-基于网络的社区发现和角色检测

xuanzhang

标题：张璇-2016.7.1组会-基于网络的社区发现和角色检测（Integrating Community and Role Detection in Information Networks）
报告人：张璇
摘要：在信息迅速积累的当下，如何在海量信息中发现点与点之间的联系，揭示节点在网络总所扮演的角色和功能，变得十分有意义。前者就是社区发现，找到网络中联系密切的点放归入同一社区；后者是角色检测，定义节点在网络中扮演的职能，是关键节点还是附属节点。本文主要讨论如何解决信息网络中的社区发现和角色检测问题。
在信息网络中解决社区发现和角色检测的问题，传统方法通常只针对其中一个问题去寻找解决的方案，未从联系的角度看待这两个问题。本文作者认为这两个问题是紧密联系的。
本文探讨这两个问题的联系：
（1）        高质量的聚类，有助于更准确地去判断节点在网络中的职能（eg. leader or follower in social networks）
（2）        高质量的节点角色检测，有助于更准确地去聚类（eg.知道关键节点去发散）
基于以上的考虑，本文提出了一个新的概率生成模型（a novel probabilistic generative model），MMMC(Mixed Membership Community and Role model),结合社区检测和角色检测，同步实现社区发现和角色检测。此外，该模型还可以进行链接预测（预测链接存在的可能性）。
创新点：
（1）        将两个问题结合解决，取得了更优的效果
（2）        提出新的模型
（3）        进行链接预测
实验测试：在三个人工生成的网络和两个真实网络数据（企业工作网络和Enron 邮件网络）上测试模型。

术语解释：
role detection：探索节点在网络中的未被发掘的职能（discover the underlying roles of nodes）

参考论文：
[1] Chen T, Tang L A, Sun Y, et al. Integrating Community and Role Detection in Information Networks[C]//SIAM International Conference on Data Mining. 2016.
http://www.ccs.neu.edu/home/yzsun/papers/SDM16_Chen.pdf

附加说明：
由于ppt文件过大，所以分为两部分上传；part1：介绍模型；part2：介绍实验部分；大家可选择感兴趣的部分下载。

xzeng

写得很好，语言精练到位。
如何把社区发现，角色检测，链接预测有机结合，使三个目标互相促进，这个方向非常有研究前途。

sndnyangd

这篇论文， 我之前是这么吐槽的

1. 创新点上，应该就第二条， 结合了社区、功能检测思想，提出了一个统一（通用）概率生成模型来定义链接生成概率， 并使用Gibbs采样算法（别人的）。 第一（研究个问题）和第三条（做了个实验） 也能算？

2. 除掉实验和公式， 内容不多。公式偏复杂， 前因后果没讲清楚。
3. 重复地讲那简单的思想原理——不过其他论文也经常重复
4. 对整个过程用了种理所当然的描述——the collapsed Gibbs sampling algorithm is straightforward。但他后面步骤纯用自然语言描述， 并不清楚。
5. 伪代码也没有。
6. 实验数据非常小。 百来个点， 效果好了， 但运行速度没实验， 复杂度论文里说是平方。
7. 感觉英文写作水平不是很好，不知道是真的， 还是我英文差 语法搞错了。

xuanzhang

sndnyangd 发表于 2016-7-4 19:07
这篇论文， 我之前是这么吐槽的

1. 创新点上，应该就第二条， 结合了社区、功能检测思想，提出了一个统 ...

师兄吐槽的是！
1、实验确实应该删掉，我立马修改；但关于研究这个问题的点，我是想说他第一次把这两个问题放在一起考虑解决，互相促进，所以算创新。
7、自己英语写作水平也比较差，不评价

其余各点都非常同意。

xuanzhang

xzeng 发表于 2016-7-2 13:06
写得很好，语言精练到位。
如何把社区发现，角色检测，链接预测有机结合，使三个目标互相促进，这个方向非 ...

{:243:}会尝试考虑把这个思想用在生物网络上。