一种用于社交网络真相发现的无监督贝叶斯神经网络
机器学习
2021-01-26 v2 机器学习
摘要
本文研究从社交网络中相互冲突的节点意见估计事件真相的问题。一个自编码器学习事件真相、节点可靠性和节点观测之间的复杂关系。提出一种贝叶斯网络模型，通过对自编码器输出与不同变量之间关系的建模来引导学习过程。同时，该模型还对网络中节点间的社交关系进行建模。所提方法为无监督的，适用于事件真实标签不可得的情形。采用变分推断方法联合估计贝叶斯网络中的隐变量与自编码器中的参数。在三个真实数据集上的实验表明，我们的方法具有竞争力，且在大多数情况下优于几种最先进的基准方法。
引用
@article{arxiv.1906.10470,
title = {An Unsupervised Bayesian Neural Network for Truth Discovery in Social Networks},
author = {Jielong Yang and Wee Peng Tay},
journal= {arXiv preprint arXiv:1906.10470},
year = {2021}
}