基于内容的网络反演方法

本文推广了近期引入的针对图结构的期望最大化（EM）方法，并将其应用于基于内容的网络。EM 方法能够对图的节点进行分类，并推断不同类别之间的关系。基于内容的网络是描述具有任意社区或/及多部分结构的图的理想模型。我们通过数值和解析方法证明，推广后的 EM 方法能够恢复生成此类网络的过程。我们还研究了在连接存在随机性的情况下，推广后的 EM 方法能够恢复潜在基于内容结构的条件。定义了两种熵 $S_q$ 和 $S_c$，分别用于衡量节点分类的质量以及给定网络的连通性在多大程度上基于内容。$S_q$ 和 $S_c$ 也可用于确定使分类最优的类别数量。