論文の概要: Bipartite mixed membership stochastic blockmodel
- arxiv url: http://arxiv.org/abs/2101.02307v1
- Date: Thu, 7 Jan 2021 00:21:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-10 13:44:23.145290
- Title: Bipartite mixed membership stochastic blockmodel
- Title(参考訳): 両部混合確率ブロックモデル
- Authors: Huan Qing and Jingli Wang
- Abstract要約: 本研究では,BiMMSB (Bipartite mixed membership blockmodel) とBiMMSB (BiMMSB) の相互運用モデルを提案する。
また、BiMPCAと呼ばれる効率的なスペクトルアルゴリズムを開発し、有向ネットワーク内の行ノードと列ノードの両方の混合メンバーシップを推定します。
- 参考スコア(独自算出の注目度): 1.370633147306388
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mixed membership problem for undirected network has been well studied in
network analysis recent years. However, the more general case of mixed
membership for directed network remains a challenge. Here, we propose an
interpretable model: bipartite mixed membership stochastic blockmodel (BiMMSB
for short) for directed mixed membership networks. BiMMSB allows that row nodes
and column nodes of the adjacency matrix can be different and these nodes may
have distinct community structure in a directed network. We also develop an
efficient spectral algorithm called BiMPCA to estimate the mixed memberships
for both row nodes and column nodes in a directed network. We show that the
approach is asymptotically consistent under BiMMSB. We demonstrate the
advantages of BiMMSB with applications to a small-scale simulation study, the
directed Political blogs network and the Papers Citations network.
- Abstract(参考訳): 近年,ネットワーク分析において,非向ネットワークの混合メンバシップ問題の研究が盛んに行われている。
しかし、より一般的な有向ネットワークの混合メンバシップのケースは依然として課題である。
本稿では,双方向混合会員確率ブロックモデル (BiMMSB, 略してbipartite mixed member stochastic blockmodel) を提案する。
BiMMSBにより、隣接行列の行ノードと列ノードが異なることができ、これらのノードは有向ネットワークにおいて異なるコミュニティ構造を持つことができる。
また、有向ネットワークにおける行ノードと列ノードの混合メンバシップを推定するために、BiMPCAと呼ばれる効率的なスペクトルアルゴリズムを開発した。
このアプローチはBiMMSBの下で漸近的に整合性を示す。
本研究では,bimmsbの利点を実証し,小規模シミュレーション研究,有向政治ブログネットワーク,論文引用ネットワークに適用する。
関連論文リスト
- Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。
我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。
本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
論文 参考訳(メタデータ) (2024-05-22T17:23:15Z) - Nested stochastic block model for simultaneously clustering networks and
nodes [9.860884833526407]
ネットワークの集合をクラスタ化すると同時に,各ネットワーク内のコミュニティを同時に検出するために,ネストブロックモデル(NSBM)を導入する。
NSBMには、潜在的に異なるノードセットを持つ未ラベルネットワークで動作する機能など、いくつかの魅力的な機能がある。
論文 参考訳(メタデータ) (2023-07-18T12:46:34Z) - Bipartite mixed membership distribution-free model. A novel model for community detection in overlapping bipartite weighted networks [0.4972323953932129]
本稿では,BiMMDF(Bipartite Mixed Membership Distribution-Free)モデルを提案する。
我々のモデルでは、ノードのメンバシップに関連するブロック構造が期待されている限り、隣接行列は任意の分布に従うことができる。
理論的に一貫した推定を保証した効率的なアルゴリズムをBiMMDFに適合させる。
論文 参考訳(メタデータ) (2022-11-02T06:26:47Z) - Interpolation-based Correlation Reduction Network for Semi-Supervised
Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。
提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。
この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文 参考訳(メタデータ) (2022-06-06T14:26:34Z) - Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。
近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。
DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
論文 参考訳(メタデータ) (2022-02-28T15:53:10Z) - Robustness Certificates for Implicit Neural Networks: A Mixed Monotone
Contractive Approach [60.67748036747221]
暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。
入力逆流の摂動に関して、それらは不安定なままである。
本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
論文 参考訳(メタデータ) (2021-12-10T03:08:55Z) - Community detection for weighted bipartite networks [1.0965065178451106]
citerohe2016coは、ネットワーク研究における二部グラフデータのコミュニティ構造を検出するツールとして、co-Blockmodel (ScBM)を提案した。
ここでは、重み付き二部ネットワークをモデル化するために、ScBMの分布制限を解放することにより、二部分布自由モデルを導入する。
我々のモデルは、隣接行列の生成要素に関する特定の分布を必要としないが、期待される隣接行列上のブロック構造のみである。
論文 参考訳(メタデータ) (2021-09-21T17:01:36Z) - Directed degree corrected mixed membership model and estimating
community memberships in directed networks [0.0]
我々は,DiMSCと呼ばれる効率的なアルゴリズムを構築し,列ノードと列ノードの両方のコミュニティメンバシップベクトルを推定する。
提案アルゴリズムは, 穏やかな条件下での一貫性を示す。
論文 参考訳(メタデータ) (2021-09-16T09:35:16Z) - A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network
Representation Learning [52.83948119677194]
大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。
具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。
提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
論文 参考訳(メタデータ) (2020-07-19T22:50:20Z) - Unsupervised Differentiable Multi-aspect Network Embedding [52.981277420394846]
本稿では,asp2vecと呼ばれるマルチアスペクトネットワーク埋め込みのための新しいエンドツーエンドフレームワークを提案する。
提案するフレームワークは容易に異種ネットワークに拡張できる。
論文 参考訳(メタデータ) (2020-06-07T19:26:20Z) - Community Detection in Bipartite Networks with Stochastic Blockmodels [0.0]
バイパーティイトネットワークでは、あるタイプのノードは、他のタイプのノードとの共通の接続パターンに従ってグループ化される。
これにより、ブロックモデル(SBM)が2部構成のコミュニティ検出の直感的な選択となる。
我々はSBMの非パラメトリックな定式化とそれに対応するアルゴリズムを導入し、二部ネットワークのコミュニティを効率的に見つける。
論文 参考訳(メタデータ) (2020-01-22T05:58:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。