論文の概要: VEC-SBM: Optimal Community Detection with Vectorial Edges Covariates

• arxiv url: http://arxiv.org/abs/2402.18805v1
• Date: Thu, 29 Feb 2024 02:19:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 16:24:01.008929
• Title: VEC-SBM: Optimal Community Detection with Vectorial Edges Covariates
• Title（参考訳）: VEC-SBM:ベクターエッジ共変量を用いた最適コミュニティ検出
• Authors: Guillaume Braun and Masashi Sugiyama
• Abstract要約: 本稿では,コミュニティ検出のための統計フレームワークであるブロックモデル(SBM)の拡張について検討する。 本稿では,反復的改良手法に基づく新しいアルゴリズムを提案し,潜在コミュニティを最適に回復することを示す。 コミュニティ検出プロセスにおいて,エッジ側情報を活用する付加価値を厳格に評価する。
• 参考スコア（独自算出の注目度）: 67.51637355249986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social networks are often associated with rich side information, such as texts and images. While numerous methods have been developed to identify communities from pairwise interactions, they usually ignore such side information. In this work, we study an extension of the Stochastic Block Model (SBM), a widely used statistical framework for community detection, that integrates vectorial edges covariates: the Vectorial Edges Covariates Stochastic Block Model (VEC-SBM). We propose a novel algorithm based on iterative refinement techniques and show that it optimally recovers the latent communities under the VEC-SBM. Furthermore, we rigorously assess the added value of leveraging edge's side information in the community detection process. We complement our theoretical results with numerical experiments on synthetic and semi-synthetic data.
• Abstract（参考訳）: ソーシャルネットワークは、しばしばテキストや画像などのリッチなサイド情報と関連付けられている。 相互の相互作用からコミュニティを識別する多くの手法が開発されているが、通常はそのような側面情報を無視している。 本研究では, ベクトルエッジを共変する確率ブロックモデル (VEC-SBM) と, ベクトルエッジを共変する確率ブロックモデル (SBM) の拡張について検討する。 本研究では,反復的改良手法に基づく新しいアルゴリズムを提案し,vec-sbm下で潜在コミュニティを最適に回復することを示す。 さらに,コミュニティ検出プロセスにおいて,エッジ側情報を活用する付加価値を厳格に評価する。 合成および半合成データに関する数値実験により理論的結果を補完する。

関連論文リスト

• Enhancing Graph Contrastive Learning with Reliable and Informative Augmentation for Recommendation [84.45144851024257]
  CoGCLは、離散コードを通じてより強力な協調情報でコントラスト的なビューを構築することで、グラフのコントラスト学習を強化することを目的としている。 ユーザとアイテムの表現を離散コードに定量化するために,マルチレベルベクトル量化器をエンドツーエンドで導入する。 近傍構造に対しては,離散符号を仮想隣人として扱うことにより,仮想隣人拡張を提案する。 意味的関連性については、共有された離散コードと相互作用ターゲットに基づいて類似のユーザ/イテムを識別し、意味的関連性のあるビューを生成する。
  論文  参考訳（メタデータ） (2024-09-09T14:04:17Z)
• A Bayesian Methodology for Estimation for Sparse Canonical Correlation [0.0]
  標準相関解析(CCA)は、データセット間の関係を識別する統計手法である。 ScSCCAは、異なるデータモダリティ間の相互関係の堅牢なモデリングを目的とした、急速に発展する方法論分野である。 ベイズ無限因子モデルを用いて,ロバストな推定を実現する新しいSCSCCA手法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T15:14:25Z)
• DCID: Deep Canonical Information Decomposition [84.59396326810085]
  本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。 そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。 また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
  論文  参考訳（メタデータ） (2023-06-27T16:59:06Z)
• Mining Relations among Cross-Frame Affinities for Video Semantic Segmentation [87.4854250338374]
  関連性間の関係を, 単一スケールの内在的相関と多スケールの関係という2つの側面で検討する。 実験により,提案手法は最先端のVSS法に対して好適に動作することを示した。
  論文  参考訳（メタデータ） (2022-07-21T12:12:36Z)
• Bayesian community detection for networks with covariates [16.230648949593153]
  科学界でもっとも注目されているのは「コミュニティ検出」である。 共依存型ランダムパーティションを持つブロックモデルを提案する。 本モデルでは, 後部推測により, コミュニティの数を知ることができる。
  論文  参考訳（メタデータ） (2022-03-04T01:58:35Z)
• Shared Independent Component Analysis for Multi-Subject Neuroimaging [107.29179765643042]
  本稿では,ShICA (Shared Independent Component Analysis) を導入し,各ビューを加法ガウス雑音によって汚染された共有独立成分の線形変換としてモデル化する。 このモデルは、成分がガウス的でないか、あるいはノイズ分散に十分な多様性がある場合、同定可能であることを示す。 我々は,fMRIおよびMEGデータセットの実証的証拠として,ShICAが代替品よりも正確な成分推定を行うことを示す。
  論文  参考訳（メタデータ） (2021-10-26T08:54:41Z)
• Amortized Probabilistic Detection of Communities in Graphs [39.56798207634738]
  そこで我々は,アモータイズされたコミュニティ検出のためのシンプルなフレームワークを提案する。 我々はGNNの表現力と最近のアモータイズクラスタリングの手法を組み合わせる。 我々は、合成および実データセットに関するフレームワークから、いくつかのモデルを評価する。
  論文  参考訳（メタデータ） (2020-10-29T16:18:48Z)
• SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
  SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。 我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。 アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
  論文  参考訳（メタデータ） (2020-06-12T10:40:46Z)
• Reliable Time Prediction in the Markov Stochastic Block Model [0.0]
  成長するグラフの依存構造をMSBMを用いて検出する方法を示す。 本稿では,いわゆるリンク予測と協調フィルタリングの問題を解決する方法を提案する。
  論文  参考訳（メタデータ） (2020-04-09T07:58:02Z)
• Pairwise Covariates-adjusted Block Model for Community Detection [9.423321226644891]
  コミュニティ検出はネットワーク研究における最も基本的な問題の1つである。 ペアワイズ共調整一般化ブロックモデル(PCABM)を導入する。 適切な空間条件下でPCABMは一定であることを示す。
  論文  参考訳（メタデータ） (2018-07-10T03:37:55Z)

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。