文斯·利津斯基（Vince Lyzinski）、基思·莱文（Keith Levin）、凯里·普里贝（Carey E.Priebe）。
年份：2019年，数量：20，版本：69，页码：1−39
摘要
给定网络$G_1$中的兴趣点，顶点指定问题寻求在第二个网络$G_2$中找到相应的兴趣点（如果存在）。顶点提名方案生成$G_2$中的顶点列表，根据它们被判断为$G_2$s中相应感兴趣顶点的可能性进行排序。顶点提名问题和相关的信息检索任务在机器学习文献中引起了广泛关注，在社会和生物网络中有着广泛的应用。然而，当前的框架通常局限于一类相对较小的网络模型，并且对统计一致的顶点提名方案的概念也只是进行了初步探讨。在本文中，我们将顶点提名问题扩展到一个非常通用的图的统计模型。此外，受模式识别文献中长期建立的分类框架的启发，我们在扩展的顶点提名框架中定义了Bayes最优性和一致性的关键概念，包括Bayes最优顶点提名方案的推导。此外，我们证明了不存在普遍一致的顶点提名方案。通篇都提供了示例。
PDF格式
BibTeX公司