Cluster or co-cluster the nodes of oriented graphs?

Classification non supervisée de graphes orientés : faut-il distinguer les nœuds origines des nœuds terminaux ?

Christine Keribin (1)

1 CELESTE - Statistique mathématique et apprentissage

When clustering the nodes of a graph, a unique partition of the nodes is usually built, either the graph is undirected or directed. While this choice is pertinent for undirected graphs, it should be discussed for directed graphs because it implies that no difference is made between the clusters of source and target nodes. We examine this question in the context of probabilistic models with latent variables and compare the use of the Stochastic Block Model (SBM) and of the Latent Block Model (LBM). We analyze and discuss this comparison through simulated and real data sets and suggest some recommendation.

Lors de la classification non supervisée des noeuds d'un graphe, une partition unique des noeuds est généralement construite, que le graphe soit orienté ou non. Bien que ce choix soit pertinent pour les graphes non orientés, il devrait être discuté pour les graphes orientés car il implique qu'aucune différence n'est faite entre les clusters de noeuds source et cible. Nous examinons cette question dans le contexte des modèles de clustering probabilistes à variables latentes et comparons l'utilisation des modèles de blocs stochastiques (SBM) et de blocs latents (LBM). Nous analysons et discutons cette comparaison à travers des jeux de données simulées et réelles.

Mots clés: Clustering; Directed graphs; Co-clustering; Genes networks; Latent block Model; Stochastic Block Model

Mots clés: Graphes orientés; Réseaux de gènes; Modèle à blocs latents; Modèle à blocs stochastiques; Classification non supervisée

Domaines: Statistiques [math.ST]; Méthodologie [stat.ME]

Christine Keribin. Cluster or co-cluster the nodes of oriented graphs?. 2021. ⟨hal-03139333v1⟩