May, 2018

一种用于动态网络中潜在节点组成员的泊松伽玛概率模型

PDF
TL;DR本文提出一种基于概率模型的算法，用于动态关系数据学习，利用伯努利泊松链接函数对网络节点的观测交互进行建模，并用假设为伽马分布的非负潜在节点组成员资格描述底层网络结构，而潜在成员组则根据马尔可夫过程演化。方法的最优成员组数可以由数据本身决定，其计算复杂度随着非零链接数量的增加而增加，适用于大规模稀疏动态关系数据，本文的批处理和在线 Gibbs 采样算法用于模型推断，最后我们将模型的性能与一流方法相比，应用于合成和实际世界的数据集上。
发现论文，激发创造
  • 动态网络的非参数多组成员模型

    提出了一种非参数的动态网络多组成员模型，通过距离依赖的印度 Buffet 过程对单独组的诞生和死亡进行建模，通过因子隐马尔科夫模型对个体节点组成员身份的演变进行捕捉，通过显式建模组的连接结构来解释网络结构的动态性。该模型通过在各种不同类型的网络数据中识别潜在组的动态性，证明了其在未来网络预测和丢失链路预测上提供了更好的预测性能。

    Nov, 2013

  • 基于无限多成员关系模型的复杂网络建模

    本文提出了一种新的非参数贝叶斯多成员潜在特征模型，用来分析复杂网络中的潜在结构，并展示了其在提高潜在结构学习和压缩表示方面的优势。

    Jan, 2011

  • 动态网络的生成模型与应用

    本文提出了一种基于潜在空间的统计模型，用于对社交网络、协作网络等观察到的具有时间动态的网络进行建模和分析，该模型可应用于社区检测和链路预测等任务，并与现有方法相比表现出更好的效果。

    Feb, 2018

  • Poisson-Gamma 动力系统

    基于伽马 - 泊松构造，我们介绍了一种新的动态系统以处理多元计数数据，并且基于贝叶斯非参数先验关联和收缩模型参数，避免了过拟合问题。我们提出了一种高效的 MCMC 推断算法，证明该模型具有良好的预测性能和高度可解释的潜在结构。

    Jan, 2017

  • 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

  • 非参数贝叶斯因子分析动态计数矩阵

    提出一种 Gamma 过程动态泊松因子分析模型，通过建立一个新的马尔科夫链来推断 Gamma 形状参数，应用于文本和音乐分析，取得最先进的结果。

    Dec, 2015

  • 长期网络随机块模型的半参数扩展

    提出了扩展随机块模型的连续时间循环交互事件模型，其中每个人都属于潜在群体，两个人之间的交互遵循由个人潜在群体驱动的条件不均匀泊松过程，证明了该模型的可识别性，其估计是基于半参数变分期望最大化算法进行的，该方法的两个版本使用非参数直方图方法 (自适应选择分区大小) 或核强度估计器，潜在群体的数量可以通过集成分类似然标准进行选择，最后，我们演示了我们的过程在合成实验上的性能，并分析了两个数据集以说明我们的方法的效用并评论了竞争方法。

    Dec, 2015

  • 利用节点属性处理不完整关系数据

    本论文提出了一种贝叶斯概率方法，通过将二进制编码的各种节点属性纳入泊松似然的关系模型中，利用侧面信息来提高社区检测和链接预测的性能。该方法可以灵活地处理有向和无向关联网络，利用节点属性的稀疏性，通过高效的 Gibbs 采样实现推理。广泛实验证明，我们的模型实现了最先进的链接预测结果，尤其是在高度不完整的关系数据中。

    Jun, 2017

  • 泊松 - 随机伽马动力系统

    本文提出了 Poisson-randomized gamma dynamical system（PRGDS），这是一种用于串行观测计数张量的模型，其编码了对稀疏性和爆发性的强归纳偏差，可用于转移学习，有对其他模型研究的比较。

    Oct, 2019

  • Poisson Gamma 信念网络

    利用 Poisson gamma 信仰网络 (PGBN) 因子化每一层，通过上下 Gibbs 采样器进行联合训练，实现对高维计数向量的多层表示

    Nov, 2015