这份论文调查了随机块模型在社群检测中的基本极限,研究其信息理论和计算统计学等问题,列举了几种主要算法用于实现这些极限,并探讨了其他块模型以及一些待解决的问题。
Mar, 2017
本论文提出一个稀疏变分自编码器用于图形数据,融入了 SBMs 和 GNNs 方向,实现了节点嵌入的快速推理,适用于各种类型的 SBMs,并在链接预测和社群发现方面得到了令人鼓舞的结果。
May, 2019
本文介绍了利用贝叶斯推断从网络数据中提取大规模模块化结构的方法,重点介绍了基于随机块模型(SBM),以及其度修正和重叠推广。提供了一种允许防止过度拟合,实现模型选择的非参数公式。讨论了先验选择的方面,特别是如何通过加强贝叶斯层次结构来避免欠拟合,同时描述了执行单点估计和采样网络分区的有效算法。还展示了如何利用推断 SBM 来预测丢失和虚假链接,并揭示了网络中模块化结构可检测性的根本限制。
May, 2017
该研究从信息论的角度考虑了在多个可能相关的图上的社区检测问题。通过建立多视图随机块模型 (MVSBM),我们得出了一个信息论的上界和下界,当 MVSBM 的模型参数超过某个阈值时可以实现准确的社区恢复,否则期望的错误分类节点数将大于一。
Jan, 2024
本研究将随机块模型扩展到广义随机块模型,提出了一种使用凸优化和 k 均值算法的程序,用于在存在离群节点的情况下,准确检测社区的聚类。
Apr, 2014
本文主要研究了随机块模型的聚类问题和主动学习的应用,发现在一定条件下,即使在聚类阈值以下,仅仅采样少量的节点标签,也能高概率地完成完整的社区检测,所提供的高效学习算法能够很好地验证这一理论,并通过数值实验进行了验证。
May, 2016
提出了一种基于受限 Tweedie 分布的创新的随机分块模型,用于模拟国际贸易网络中的非负零膨胀连续边权重,并结合节点信息和其对边权重的动态影响,实现了有效的两步算法来估计协变效应和其他参数,并通过广泛的模拟研究和真实的国际贸易数据的应用证明了该方法的有效性。
Oct, 2023
本文介绍了一种用于建模有向加权网络的方法 ——Directed Distribution-Free model,它可以更好地解释在多个领域中出现的块状结构,并使用带有理论保证的谱算法来识别社区。
Sep, 2021
本文提出了一种基于无参数贝叶斯方法的微正则随机块模型,旨在同时改善深入贝叶斯层次结构的推断以及模型选择能力,以推断网络的模块结构和层次组织,并介绍了一种高效的推理算法。
Oct, 2016
本文提出了一种基于凸规划松弛和新的双重加权 $k$- 中位数方法的凸化模块化最大化方法,用于估算 DCSBM 下的隐藏社群,通过实验结果表明本方法相对于文献中现有的最先进方法具有竞争力的性能表现。
Dec, 2015