具有幂律度分布的随机简单图的贝叶斯推断
机器学习
2017-06-20 v2
摘要
我们提出一个度分布服从幂律（即重尾分布）的随机简单图模型。为实现这一特性，图中的边概率由 Bertoin-Fujita-Roynette-Yor (BFRY) 随机变量构建，这些变量近期已在贝叶斯统计中被用于多种应用中的幂律模型构建。我们的构建方法可以自然地扩展以捕捉潜在因子结构，类似于随机块模型，同时保持其幂律度分布。在变分贝叶斯推断过程中，BFRY 随机变量可由伽马随机变量很好地近似，我们将该方法应用于几个度分布自然服从幂律的网络数据集。通过概率推断学习 BFRY 分布的参数，我们能够自动从数据中选择合适的幂律行为。为进一步扩展我们的推断过程，我们采用随机梯度上升方法，其中梯度是在图的边的小批量（即子集）上计算的。
引用
@article{arxiv.1702.08239,
title = {Bayesian inference on random simple graphs with power law degree distributions},
author = {Juho Lee and Creighton Heaukulani and Zoubin Ghahramani and Lancelot F. James and Seungjin Choi},
journal= {arXiv preprint arXiv:1702.08239},
year = {2017}
}