通过轻量级随机游走爬取进行在线社交网络统计的贝叶斯推断
社会与信息网络
2015-12-21 v2 物理与社会
机器学习
摘要
在线社交网络 (OSN) 包含大量关于底层社会的信息，尚待探索。从 OSN 获取信息最可行的技术之一是通过应用程序编程接口 (API) 请求进行爬取，但这对估计值的保证提出了严重关切。在本工作中，我们专注于利用有限的 API 爬取进行可靠的统计推断。基于随机游走的再生性质，我们提出了一种用于边上函数聚合和的无偏估计量，并证明了估计量方差与谱隙之间的联系。为了促进对估计量真实值的贝叶斯推断，我们推导了估计量的近似后验分布。随后，通过在真实世界网络中的推断问题进行数值实验，验证了所提出的思想。
引用
@article{arxiv.1510.05407,
title = {Bayesian Inference of Online Social Network Statistics via Lightweight Random Walk Crawls},
author = {Konstantin Avrachenkov and Bruno Ribeiro and Jithin K. Sreedharan},
journal= {arXiv preprint arXiv:1510.05407},
year = {2015}
}