几何块模型
本文研究了几何块模型中的主动学习问题,提出了两个结合不同标签查询策略的主动学习算法。我们的主要贡献在于展示了在一些场景下,取极少量的节点标签进行样本探索就能精确恢复社区结构,并在真实和合成数据集上验证了我们算法的卓越性能。
Nov, 2019
本研究在考虑顶点度数变化的情况下,提出了一种改进的目标函数用于复杂网络社区结构检测,并提出了一种针对此函数或其非度数校正版本的启发式算法,表明度数校正版本在真实和合成网络中的表现显著优于未校正版本。
Aug, 2010
本研究提出了一种新模型 —— 基于度量空间的几何随机图,用于替代传统的离散社区结构模型,并讨论了在稀疏情况下对该模型的位置恢复问题,同时对一种树的信息流模型进行了改进和定理研究。
Jun, 2020
该论文提出了一种强大、可扩展、综合的图中社区检测和比较方法,首先将图嵌入到一个适当的欧几里得空间中以获得低维表示,然后将顶点聚类成社区,并应用非参数图推理技术识别这些社区之间的结构相似性,然后可以递归地应用这两个步骤到社区上,以检测更细粒度的结构。最后,在模拟和真实数据上证明了该算法的有效性。
Mar, 2015
本文针对网络模型选择面临的数据稀疏、公共依赖、高维度和大量潜变量等挑战,通过研究将图分为一致连接模式的节点块的关键网络分析问题来说明这些挑战及其解决方法,提出了一种基于新的大图渐近分布对随机块模型的对数似然比分布的模型选择方法,发现在稀疏图中与经典结果存在显著差异,同时开发了度校正模型的对数似然的线性时间逼近算法,并在模拟和真实网络中的应用中表现出与我们的逼近算法极好的一致性。
Jul, 2012
本文利用统计物理的空穴方法,对社交和生物网络中的随机块模型进行了研究,从拓扑学的角度来推断功能群或社区。我们详细描述了一些性质,例如检测性 / 不可检测性的相变和社区检测问题的易于 / 困难的相变,并将分析自然翻译为信念传播算法。该算法在最优方式下推断节点的组成员资格,并学习该块模型的潜在参数,最后应用于两个真实世界的网络并讨论其性能。
Sep, 2011