几何块模型中的主动学习
社会与信息网络
2019-12-16 v1 机器学习
机器学习
摘要
几何块模型是最近提出的一种随机图生成模型，能够捕捉许多社区检测问题固有的几何性质，与流行的随机块模型相比，提供了对实际社区结构更精确的刻画。Galhotra 等人最近提出了一种用于几何块模型中无监督社区检测的基序计数算法，被证明是近最优的。他们还刻画了该算法能够实现精确恢复所对应的模型参数区间。本工作中，我们开启了几何块模型中主动学习的研究。即，我们关注在任意模型参数下，通过可能查询有限数量选定节点的标签，精确恢复遵循几何块模型的随机图的社区结构这一问题。我们提出了两种主动学习算法，将基序计数的思想与两种不同的标签查询策略相结合。我们的主要贡献在于表明，在现有最优无监督方法失效的参数区间内，对节点总数中消失小比例（亚线性）的节点进行标签采样，就足以实现精确恢复。我们在真实与合成数据集上通过数值模拟验证了我们算法的优越性能。
引用
@article{arxiv.1912.06570,
title = {Active learning in the geometric block model},
author = {Eli Chien and Antonia Maria Tulino and Jaime Llorca},
journal= {arXiv preprint arXiv:1912.06570},
year = {2019}
}
备注
The conference version will appear in AAAI-20