利用地层多层随机块模型对网络层进行聚类
社会与信息网络
2016-10-21 v2 物理与社会
机器学习
摘要
多层网络是一种有用的数据结构，可同时捕获一组节点之间的多种关系类型。在此类网络中，每种关系定义都会产生一个层。虽然每一层都提供其自身的信息集，但跨层的社区结构可以被集体利用，以发现和量化节点之间潜在的关系模式。为了从多层网络中简洁地提取信息，我们提出识别并组合在社区结构上具有有意义相似性的层集合。在本文中，我们描述了“地层多层随机块模型”（sMLSBM），这是一种用于多层社区结构的概率模型。该模型的核心扩展是存在称为“地层”的层组，其定义使得给定地层中的所有层都具有由共同随机块模型（SBM）描述的社区结构。也就是说，同一地层中的层表现出相似的节点到社区分配和SBM概率参数。将sMLSBM拟合到多层网络可提供一种联合聚类，产生节点到社区和层到地层的分配，这两者在推断过程中相互辅助。我们描述了一种将层分离到其相应地层的算法，以及一种用于估计每个地层SBM参数的推断技术。我们使用合成网络和从人类微生物组计划收集的数据推断出的多层网络来演示我们的方法。
引用
@article{arxiv.1507.01826,
title = {Clustering Network Layers With the Strata Multilayer Stochastic Block Model},
author = {Natalie Stanley and Saray Shai and Dane Taylor and Peter J. Mucha},
journal= {arXiv preprint arXiv:1507.01826},
year = {2016}
}