FLICKER新算法：联邦二部网络社区检测达0.94 ARI，逼近集中式聚类！
Federated Community Detection in Bipartite Networks
📖 AI 总结
该论文研究在数据无法共享、大矩阵按行分片存储于多个服务器条件下的联邦谱估计问题，提出基于梯度的幂迭代方法FLICKER，仅利用本地矩阵块上的矩阵-向量乘积即可恢复指定谱目标对应的奇异方向，不同目标方向可独立并行求解，并给出非渐近收敛保证与递归网格搜索的谱目标选择流程。在此基础上，作者针对二部网络社区发现提出BiFLICKER及面向邻近或重复奇异方向的序列投影变体。在稀疏二部随机块模型下，参考服务器的适当重缩放主奇异值可作为有效全局目标，Sequential BiFLICKER在更强稀疏条件下实现消失的误聚类率和精确恢复。模拟显示其接近集中式谱聚类，在本地样本量较小时比现有联邦谱基线更稳健；在按国家自然分区的LastFM用户-艺术家网络上，整体ARI达0.94，并揭示出具有不同收听特征的跨国社区。
🔑 关键词速览
| FLICKER | 一种针对特定谱目标的基于梯度的幂迭代方法，用于联邦谱估计。 |
| BiFLICKER | 基于FLICKER开发的用于二部网络联邦社区检测的方法。 |
| 二部网络 | 节点分为两个不相交集合，且边仅存在于不同集合节点之间的网络。 |
| 谱聚类 | 利用矩阵的特征值或奇异值进行聚类分析的方法。 |
| 调整兰德指数 (ARI) | 衡量聚类结果与真实标签相似度的指标，取值范围为[-1,1]，值越大表示聚类效果越好。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅