交互式独立级联过程中的前向与后向推断：一种可扩展且收敛的消息传递方法
社会与信息网络
2023-10-31 v1 统计理论
机器学习
统计理论
摘要
我们研究估计网络上两个并发扩散过程的过去与未来演化的问题。具体而言，给定已知网络 及其在（可能未知的）时间 拍摄的状态（可能含噪）快照 ，我们希望确定网络初始状态与节点感染时间的后验分布。这些分布在寻找传染病与谣言的源节点————以及估计固定源节点集合的扩散————中十分有用。为建模两过程间的交互，我们研究独立级联 (IC) 模型的扩展：当节点被任一过程感染时，其对另一过程的易感性发生改变。首先，我们推导网络初始状态与观测快照 的精确联合概率。随后，利用因子图、因子图变换与广义分配律的机理，我们推导出一种基于置信传播 (BP) 的算法，可扩展至大型网络，并能在任意拓扑图上收敛（可能以近似精度为代价）。
引用
@article{arxiv.2310.19138,
title = {Backward and Forward Inference in Interacting Independent-Cascade Processes: A Scalable and Convergent Message-Passing Approach},
author = {Nouman Khan and Kangle Mu and Mehrdad Moharrami and Vijay Subramanian},
journal= {arXiv preprint arXiv:2310.19138},
year = {2023}
}