随着社交网络和关系数据集的可用性和范围的增加，学习复杂网络中的潜在结构已成为模式识别的一个重要问题。为了契约加权网络的紧凑和灵活表示，提出了一种加权无限关系模型（WIRM）来学习网络中链路的存在和权重。作为一种基于Dirichlet过程先验的贝叶斯非参数模型，WIRM的一个显著特点是能够在不指定簇数的情况下学习加权网络的潜在结构。这对于复杂网络中的结构发现尤其重要，特别是对于我们可能缺乏先验知识的新领域。我们开发了一种平均场变分算法，以有效地逼近模型在无限潜在簇上的后验分布。在合成数据集和真实数据集上的实验表明，WIRM可以有效捕获复杂加权网络的潜在结构。

索引项模式识别、网络建模；贝叶斯非参数模型，dirichlet过程，中餐馆过程，指数族，变分推理

引用：蒋晓娟（Xiaojuan Jiang）和张文生（Wensheng Zhang），“网络数据的加权无限关系模型”，《通信杂志》，第10卷，第6期，第442-449页，2015年。地址：10.12720/jcm.10.6.442-449