混合隶属度随机块模型

由成对对象关系测量组成的数据出现在许多场景中，例如蛋白质相互作用与基因调控网络、发件人-收件人邮件集以及社交网络。使用概率模型分析此类数据可能会比较棘手，因为许多模板模型所基于的简单可交换性假设不再成立。在本文中，我们描述了此类数据的一种潜变量模型，称为混合隶属度随机块模型。该模型将关系数据的块模型扩展为能够捕获混合隶属度潜关系结构的模型，从而提供了特定对象的低维表示。我们开发了一种通用的变分推断算法，用于快速的近似后验推断。我们探索了其在社交网络和蛋白质相互作用网络中的应用。