Jun, 2016

数据驱动方法在多标签分类中的标签空间划分较随机选择更优

PDF
TL;DR本研究提出了利用社交网络中 5 种数据驱动的社区检测方法来替代 RAkELd 中的随机等分划分来划分多标签分类的标签空间，我们使用训练数据构建标签共现图，并对标签集进行社区检测。通过对 12 个基准数据集进行评价，我们发现在几乎所有评价指标中，7 种教育性方法比 RAkELd 更容易胜过它，但 Hamming Loss 除外。加权快贪和 walktrap 社区检测方法在加权标签共现图上比随机分区更有可能产生更好的 F1 分数。在非加权标签共现图上，Infomap 平均上比随机分割更好的子集准确性达到 90％，杰卡德相似度达到 89％。
multi-label classificationcommunity detectionlabel co-occurence graphdecision treesbenchmark data sets
发现论文，激发创造
  • 多标签数据分层的网络视角

    本文提出了一种第二阶段迭代分层方法来处理多标签数据的分类问题，并引入了新的统计量，包括标签对分布和标签对和折叠对的百分比。通过与其他方法的比较，结果表明本方法可以降低分类质量的方差，改善标签配对的度量和示例分布，并提高网络特征的稳定性。

    Apr, 2017

  • 标签传播在网络中发现重叠社区

    本文介绍了一种基于标签传播技术的算法，用于在大型网络中寻找重叠的社区结构，并扩展了标签传播步骤，使每个顶点可以属于多达 v 个社区，其算法在与独立设计的基准测试和真实网络上的测试中均表现出高度的有效性，而且速度非常快，可以在短时间内处理非常大和密集的网络。

    Oct, 2009

  • 欧几里得随机图上的社区检测

    本研究考虑在具有二元社区标签和 R^d 值位置标签的欧几里得随机几何图上进行社区检测问题，其中边缘概率依赖于社区和位置标签。我们针对稀疏和对数度规则建立了相变现象，并给出了阈值的约束。此外，我们还展示了在我们的模型与没有社区标签的空模型之间进行测试的可区分性问题的阈值没有相变现象，并且特别地与 SBM 不同。

    Jun, 2017

  • 随机线性代数快速标签嵌入

    本文介绍了一种利用等级约束估计和低维度标签嵌入之间的对应关系发现的快速标签嵌入算法，该算法适用于多类和多标签数据集，并且其运行时间比朴素算法快效果显著，该方法在两个大规模公共数据集上进行了验证，并获得了最先进的结果。

    Dec, 2014

  • 通过标签传播检测网络社区的约束方法

    将标签传播算法重新形式化为等效优化问题，提出了一种在约束条件下传播标签的算法，并提出了一种可以最大化社区质量模块化度量的算法，并讨论了所提出算法的性能和实现细节。

    Mar, 2009

  • 基于无限边分区模型的重叠社区检测和链接预测

    使用层级 Gamma 过程无限边划分模型描述同配性和随机等价关系，可以发现重叠社区和社区间交互作用，并自动推断社区数量，实验结果表明其可扩展性和最先进性能。

    Jan, 2015

  • GAP: 通用的近似图分区框架

    本研究提出了基于深度学习的 GAP 框架来解决节点分割问题。通过定义不同 iable 损失函数以及利用反向传播来优化网络参数，实现基于图结构的节点分割。相较于传统的分割方法，GAP 不仅更快，并且具有良好的扩展性能力，可适用于不同的图结构，并可推广到未知的图形结构上。研究表明，GAP 能够取得与传统分割方式相媲美的结果。

    Mar, 2019

  • 社群检测中近似、启发式和图神经网络算法中的模块化最大化分析

    分析表明，常用的基于模块性的方法在发现社区结构时很少产生最优划分或最接近最优划分的划分，因此，推荐使用近似优化算法以在方法适用范围内更加方法论严谨地使用模块性。

    Oct, 2023

  • 高阶随机行走下分离式对比多视角聚类

    通过随机游走在全局范围内逐步识别数据对，DIVIDE 使用新颖的多视角对比学习架构，在不同的嵌入空间中执行视图内和视图间对比学习，从而提升聚类性能，并增加对缺失视图的鲁棒性。

    Aug, 2023

  • 基于置换的众包标注模型：最优估计与鲁棒性

    本文提出一种排列模型 - 用于聚合和去噪众包标注数据，该模型是对经典的 Dawid-Skene 模型的重要推广，并介绍了一种新的误差度量方法，用于比较不同的估计器。我们设计了两种计算有效的估计器：WAN 估计器和 OBI-WAN 估计器，并对它们的性能进行了非渐近界限的界定。最后通过合成模拟和实验数据验证了理论结果。

    Jun, 2016