网络生成过程族系的自动发现
社会与信息网络
2019-07-01 v1 机器学习
神经与进化计算
摘要
设计合理的网络模型通常要求学者对网络形成的关键驱动因素形成先验直觉。这些直觉往往通过对一组网络演化过程的统计估计来支撑，而这些过程将构成待开发模型的基础。近来引入的机器学习技术可辅助生成模型的自动发现。这些方法更广义上可描述为“符号回归”，其中基础的网络动态函数（而非仅是参数）通过遗传编程演化得到。本章首先旨在回顾这一方向的原则、努力与新兴文献，其非常契合创造人工科学家的理念。随后我们的贡献更具体地建立在由我们近期提出的方法 [Menezes & Roth, 2014] 之上，以证明存在可由相似生成过程描述的网络族系。换言之，符号回归可用于根据推断出的基因型（就生成过程而言）而非观察到的表型（就统计/拓扑特征而言）对网络进行分组。我们的实证案例基于一个原创数据集，包含 238 个匿名化的以自我为中心（ego-centered）的 Facebook 好友网络，并进一步对社会性网络的形成提供见解。
引用
@article{arxiv.1906.12332,
title = {Automatic Discovery of Families of Network Generative Processes},
author = {Telmo Menezes and Camille Roth},
journal= {arXiv preprint arXiv:1906.12332},
year = {2019}
}