ICMLJun, 2024

多景随机块模型

PDF
TL;DR在无监督学习中，图聚类是一个重要的主题，也有很多实际应用。最近，多视图图聚类因其适用于可访问多个数据源的现实世界实例而受到关注。本文我们正式提出了一种新的模型族，称为 “多视图随机块模型”，用于捕捉这种情况。对于该模型，我们首先研究了在多个图的并集上有效的算法。然后，通过分析每个图的结构，引入了一种新的高效算法，证明其优于先前的方法。此外，我们通过信息理论的下界研究了在该模型中可以实现的极限，并通过实验评估结果证实了我们的结果。
graph clusteringunsupervised learningmulti-view graph clusteringstochastic block modelsefficient algorithms
发现论文，激发创造
  • 多视角随机块模型中的社区检测

    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

  • 多视图聚类的多层随机块模型混合

    该研究提出了一种用于聚合来自不同信息源的多个聚类的原始方法，使用多层随机块模型（SBM）的混合来将具有相似信息的共成员矩阵分组为组件，并将观测分割为不同的聚类，考虑它们在组件内的特定性。该方法对模型参数的可识别性进行了建立，并提出了一种变分 Bayesian EM 算法来估计这些参数，通过贝叶斯框架选择了最佳的聚类和组件个数。该方法在合成数据、共识聚类和基于张量的大规模复杂网络社区检测算法上进行了比较，最后将该方法应用于全球食品贸易网络的分析，得到了有趣的结构。

    Jan, 2024

  • 应用于法国政治博客圈的重叠随机块模型

    本文介绍一种新的 Overlapping Stochastic Block Model 方法，相对于现有的大多数聚类方法，允许节点属于多个重叠的群集，具有更高的灵活性和适用性，采用全局和局部变分技术的近似推断过程。

    Oct, 2009

  • 改善的图聚类

    本文提出了一种新算法 —— 最大似然凸化版本，用于解决在随机块模型环境下的社交网络图聚类问题，相较于目前已有算法，本文算法在允许普遍规模的簇大小时的表现高出多项式因子。

    Oct, 2012

  • 层级随机块模型中的社区检测和分类

    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

  • 社群检测与随机块模型

    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

  • 聚类标记块模型中的全局和局部信息

    该研究利用稀疏的随机块模型，探究了节点和网络信息的相互作用，证明了一定的阈值可实现高效的局部聚类，而节点信息对恢复性能的影响在阈值以下是很小的。

    Apr, 2014

  • 光谱聚类和高维随机块模型

    本文提出了用于网络中的聚类分析的一种新方法，利用谱聚类在随机块模型中发现社区和研究潜在空间模型下的特征向量。

    Jul, 2010

  • 随机块模型遇上图神经网络

    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

  • 结构化和非同构输出的多视角学习

    本文提出了一种新的概率多视图学习算法，利用视图间的随机一致性作为正则化，该算法在结构化和非结构化问题上工作，并容易推广到部分一致情况，其中在完全一致情况下，我们的算法最小化每个视图模型之间的 Bhattacharyya 距离，并在几个平面和结构化分类问题上表现优越。

    Jun, 2012