LFR 基准与随机块模型

Posted 2023-02-24

【中文标题】LFR 基准与随机块模型

【英文标题】：LFR Benchmark versus Stochastic Block Model

【发布时间】：2017-03-20 01:05:53

【问题描述】：

谁能帮我理解 LFR 基准和随机块模型之间的区别。我正在尝试在人工和真实数据集上比较社区检测算法，在人工部分我不知道哪个基准生成器更合理？

【参考方案1】：

LFR 模型旨在重现在现实世界网络中观察到的某些拓扑属性：社区的大小是幂律分布的，节点度也是如此。一个称为混合系数的参数允许控制一个节点在其他社区中拥有的邻居的平均比例。

随机块模型更通用，从某种意义上说，它可用于生成其他形式的网络（例如，多部分或核心-外围而不是社区结构）。用户为每对社区（分别是每个社区）指定社区之间的链接密度（分别在社区内部）。社区的规模并不强制按幂律分布。您不直接控制度数分布。

LFR 模型应该更真实，这意味着它被定义为模仿在某些现实世界网络中观察到的特征。它旨在为社区检测生成基准。相比之下，块模型首先在社会学中被用作描述有关现实世界网络结构的一些假设的一种方式。最近，随机块模型被用于获得社区检测问题的分析结果以及该问题的一些解决方法（例如，确定一种方法可以在理论上找到精确分区的参数界限）。

就个人而言，当我需要对社区检测算法进行一些经验比较时，我会在工作中使用 LFR。

【讨论】：

谢谢亲爱的拉巴图先生。老实说，我只是在等待你的回应。我读了你的作品，这是一个很好的解释