一种用于带符号网络聚类与半监督聚类的 MBO 格式
社会与信息网络
2019-10-10 v5 机器学习
机器学习
摘要
我们为带符号聚类问题引入了一种基于原则的方法，其目标是划分一个边权取正值和负值的图，使得同一簇内的边大多为正，而跨簇的边大多为负。我们的方法依赖于一种基于图的扩散界面模型公式，利用 Ginzburg-Landau 泛函，其基础是针对此类基于图的泛函进行最小化的经典数值 Merriman-Bence-Osher（MBO）格式的改编。所提目标函数旨在最小化簇间正权边的总权重，同时最大化簇间负权边的总权重。我们的方法可扩展到大型稀疏网络，并且可轻松调整以纳入标记数据信息，这在半监督学习语境中屡见不鲜。我们在若干合成随机块模型与真实世界数据集（包括金融相关矩阵）上测试了该方法，取得了有前景的结果，优于近期文献中的若干最先进方法。
引用
@article{arxiv.1901.03091,
title = {An MBO scheme for clustering and semi-supervised clustering of signed networks},
author = {Mihai Cucuringu and Andrea Pizzoferrato and Yves van Gennip},
journal= {arXiv preprint arXiv:1901.03091},
year = {2019}
}