基于随机游走转移耦合的有向网络对齐与比较
机器学习
2024-02-07 v3 机器学习
摘要
我们描述并研究了一种称为 NetOTC（网络最优转移耦合）的基于传输的方法，用于两个网络的比较与对齐。所关注的网络可以是有向或无向、加权或未加权，并且可以具有不同大小的相异顶点集。给定两个网络以及一个关联其顶点的代价函数，NetOTC 寻找其关联随机游走的具有最小期望代价的转移耦合。最小化代价量化了网络之间的差异，而最优传输方案本身提供了两个网络的顶点与边的对齐。对完整随机游走而非其边际分布进行耦合，确保了 NetOTC 捕获网络的局部与全局信息，并保留边。NetOTC 没有自由参数，且不依赖于随机化。我们研究了 NetOTC 的若干理论性质，并给出了确立其经验性能的 experiments。
引用
@article{arxiv.2106.07106,
title = {Alignment and Comparison of Directed Networks via Transition Couplings of Random Walks},
author = {Bongsoo Yi and Kevin O'Connor and Kevin McGoff and Andrew B. Nobel},
journal= {arXiv preprint arXiv:2106.07106},
year = {2024}
}