×
张镇海;贾彩燕;尹宪军;郑一梅

探索属性网络结构规律的生成模型。 （英语） Zbl 1461.62246号

信息科学。 505, 252-264 (2019).
摘要：许多称为属性网络的现实世界网络包含两种类型的信息：拓扑信息和节点属性。如何利用这两类信息探索结构规律是一项具有挑战性的任务。本文通过刻画链路社区和节点属性之间的潜在关系，提出了一种生成链路拓扑和节点属性的原则性统计模型PSB-PG。该链接生成模型基于服从泊松分布的随机块模型。因此，它能够检测广泛的网络结构，包括社区结构、二元结构和其他混合结构。生成节点属性的模型假设节点属性是高维的、稀疏的，并且遵循泊松分布。这使得模型具有一致性，并且可以通过期望最大化（EM）算法直接估计模型参数。在人工网络和包含各种结构的真实网络上的实验结果表明，所提出的模型PSB（PG）不仅可以与最新的模型相竞争，而且可以通过学习社区及其相关属性之间的关系为每个社区提供良好的语义解释。

MSC公司：

62R40型 拓扑数据分析
62H30型 分类和区分；聚类分析（统计方面）
94C15号机组 图论在电路和网络中的应用
05C90年 图论的应用

关键词：

属性网络;社区检测;一般结构;随机区块模型;期望最大化（EM）算法

软件：

SA集群
PDF格式BibTeX公司 XML格式引用
\textit{Z.Chang}等人，《信息科学》。505252-264（2019年；Zbl 1461.62246）
全文： 内政部 arXiv公司

参考文献：

[1] Akoglu，L。；Tong，H。；Meeder，B.，Pics：大型属性图中内聚子群的无参数识别，2012年SIAM国际数据挖掘会议论文集，439-450（2012）
[2] Chai，B。；余，J。；Jia，C.，将普及生产力随机块模型与一般结构检测的判别内容模型相结合，Phys。E版，88，1，012807（2013）
[3] 陈，Y。；王，X。；Bu，J.，具有节点属性的网络中的网络结构探索，Physica A，449240-253（2016）·兹比尔1400.62056
[4] Cheng，H。；周，Y。；Yu，J.X.，《聚类大型属性图：结构和属性相似性之间的平衡》，ACM Trans。知识。发现数据（TKDD），5，2，1-33（2011）
[5] 科恩，D.A。；Hofmann，T.，《缺失链接——文档内容和超文本连接的概率模型》，《神经信息处理系统的进展》，430-436（2001）
[6] 达农，L。；Diaz-Guilera，A。；Duch，J.，《比较群落结构识别》，J.Stat.Mech。，2005年9月，P09008（2005）
[7] Dempster，A.P。；莱尔德，新墨西哥州。；Rubin，D.B.，通过em算法从不完整数据中获得最大似然，J.R.Stat.Soc.（Ser.B），39，1，1-38（1977）·Zbl 0364.62022号
[8] Erds，P。；Rnyi，A.，《关于随机图》i，《数学出版物》，6290-297（1959）·Zbl 0092.15705号
[9] 方，Y。；Cheng，R。；Luo，S.，《大型属性图的有效社区搜索》，Proc。VLDB捐赠，9，12，1233-1244（2016）
[10] Fortunato，S.，《图形中的社区检测》，Phys。众议员，486，3，75-174（2010）
[11] Girvan，M。；Newman，M.E.J.，《社会和生物网络中的社区结构》，Proc。国家。阿卡德。科学。，99, 12, 7821-7826 (2002) ·Zbl 1032.91716号
[12] Greene，D。；坎宁安，P.，《从多个社交网络视图生成统一的图形表示》，第五届ACM年度网络科学会议论文集，118-121（2013）
[13] 安大略省金格。；辛科宁，J。；Benczür，A.A.，《稀疏图聚类的有效块模型》，第八届图形挖掘与学习研讨会论文集，62-69（2010）
[14] He，D。；冯，Z。；Jin，D.，通过网络拓扑和节点内容的集成建模联合识别网络社区和语义，第三十届AAAI人工智能会议，116-124（2017）
[15] 医学博士霍夫曼。；布莱，D.M。；Wang，C.，随机变分推理，J.Mach。学习。研究，14，1，1303-1347（2013）·Zbl 1317.68163号
[16] 荷兰，P.W。；Laskey，K.B.，《随机块模型：第一步》，《社交网络》。，5, 2, 109-137 (1983)
[17] 黄，M。；邹，G。；张，B.，通过用户模型在异质社交网络中进行重叠社区检测，信息科学。，432164-184（2018）·Zbl 1461.91226号
[18] 黄，X。；Cheng，H。；Yu，J.X.，多值属性网络中的密集社区检测，信息科学。，314，77-99（2015）·兹伯利1387.68184
[19] 贾，C。；李毅。；Carson，M.B.，《复杂网络中节点属性增强的社区检测》，科学。代表，7，1，2626（2017）
[20] 卡勒，B。；Newman，M.E.J.，《网络中的随机块模型和社区结构》，Phys。版本E，83，1，016107（2011）
[21] Lancichinetti，A。；福图纳托，S。；Kertész，J.，《检测复杂网络中重叠和分层的社区结构》，《新物理学杂志》。，11, 3, 033015 (2009)
[22] Lancichinetti，A。；福图纳托，S。；Radicchi，F.，测试社区检测算法的基准图，Phys。E版，78、4、046110（2008）
[23] 李伟（Li，W.）。；Yeung，D.-Y。；Zhang，Z.，社会网络分析的广义潜在因素模型，第22届国际人工智能联合会议（IJCAI）论文集，1705-1710（2011）
[24] 李毅。；贾，C。；Kong，X.，图聚类中结构和属性信息的局部加权融合，IEEE Trans。赛博。，49, 1, 247-260 (2019)
[25] A.F.McDaid，D.Greene，N.Hurley，标准化互信息评估重叠社区发现算法，arXiv:1110.2515v1；A.F.McDaid，D.Greene，N.Hurley，标准化互信息评估重叠社区查找算法，arXiv:1110.2515v1
[26] 孟，F。；芮，X。；Wang，Z.，用于属性网络社区检测的耦合节点相似性学习，熵，20，6，471（2018）
[27] 莫梅尼，N。；Fotouhi，B.，节点属性对网络结构时间动态的影响，Phys。版本E，95，3，032304（2017）
[28] Newman，M.E.J.，《网络》（2018），牛津大学出版社，牛津·Zbl 1391.94006号
[29] 纽曼，M.E.J。；Clauset，A.，注释网络中的结构和推理，自然通讯。，7, 11863 (2016)
[30] 纽曼，M.E.J。；Leicht，E.A.，《网络中的混合模型和探索性分析》，Proc。国家。阿卡德。科学。，104, 23, 9564-9569 (2007) ·Zbl 1155.91026号
[31] Papoulis，A。；Pillai，S.U.，《概率、随机变量和随机过程》（2002），McGraw-Hill教育，纽约
[32] 阮，Y。；Fuhry，D。；Parthasarathy，S.，《使用内容和链接的大型网络中的高效社区检测》，万维网国际会议，1089-1098（2013）
[33] Sen，P。；Namata，G。；Bilgic，M.，《网络数据的集体分类》，AI Mag.，29，3，93-106（2008）
[34] 沈海伟。；程，X.-Q。；Guo，J.-F.探索网络中的结构规律，Phys。版本E，84，5，056111（2011）
[35] Wu，C.F.J.，关于em算法的收敛性，Ann.Stat.，11，1，95-103（1983）·Zbl 0517.62035号
[36] Xu，Z。；Ke，Y。；Wang，Y.，基于模型的属性图聚类方法，2012年ACM SIGMOD国际数据管理会议论文集，505-516（2012）
[37] Xu，Z。；Ke，Y。；Wang，Y.，Gbagc：属性图聚类的通用贝叶斯框架，ACM Trans。知识。发现数据，9，1，1-43（2014）
[38] 宣，G。；石义清。；Chai，P.，使用最大熵分布作为初始条件的增强em算法，第21届模式识别国际会议论文集，849-852（2012）
[39] 杨，J。；麦考利，J。；Leskovec，J.，《具有节点属性的网络中的社区检测》，2010年IEEE国际数据挖掘会议（ICDM）论文集，1151-1156（2013）
[40] Yang，T。；Chi，Y。；Zhu，S.，Directed network community detection:a popularity and productivity link model，《2010年SIAM数据挖掘国际会议论文集》，742-753（2010）
[41] Yang，T。；金·R。；Chi，Y.，《结合链接和内容进行社区检测：一种区分性方法》，第15届ACM SIGKDD国际知识发现和数据挖掘会议论文集，927-936（2009）
[42] Zanghi，H。；Volant，S。；Ambroise，C.，基于嵌入顶点特征的随机图模型聚类，模式识别。莱特。，31, 9, 830-836 (2010)
[43] 张，G。；金，D。；Gao，J.，《通过区分一般主题和专业主题发现具有层次语义的社区》，IJCAI，3648-3654（2018）
[44] 周，Y。；Cheng，H。；Yu，J.X.，基于结构/属性相似性的图形聚类，Proc。VLDB捐赠，2718-729（2009）
[45] 周，Y。；Cheng，H。；Yu，J.X.，聚类大型属性图：一种有效的增量方法，2010年IEEE国际数据挖掘会议论文集，689-698（2010）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。