基于最大期望模型变化的主动社区检测
社会与信息网络
2020-03-24 v2 机器学习
机器学习
摘要
我们提出一种用于网络社区检测的主动学习新算法。所提算法使用最大期望模型变化（Maximal Expected Model Change, MEMC）准则来查询网络节点的标签分配。MEMC检测在查询后最大程度改变社区分配似然模型的节点。我们的方法受基准随机块模型（Stochastic Block Model, SBM）检测的启发，我们给出了样本复杂度分析，并在SBM和真实网络数据上针对二分类及多分类设置进行实证研究。该分析还涵盖稀疏度和低于检测阈值SBM最具挑战性的情况，我们观察到超线性误差缩减。MEMC被证明优于随机选取基线及其他最先进（SOTA）主动学习器。
引用
@article{arxiv.1801.05856,
title = {Active Community Detection with Maximal Expected Model Change},
author = {Dan Kushnir and Benjamin Mirabelli},
journal= {arXiv preprint arXiv:1801.05856},
year = {2020}
}