结合随机游走与非参数贝叶斯主题模型进行社区发现
应用统计
2016-08-04 v2 机器学习
摘要
社区发现几十年来一直是一个活跃的研究领域。在所有概率模型中，随机块模型是最受欢迎的一种。本文介绍了一种新的概率模型：RW-HDP，基于随机游走和分层狄利克雷过程，用于社区提取。在 RW-HDP 中，社交网络中进行的随机游走被视为文档，节点被视为单词。通过使用分层狄利克雷过程这一非参数贝叶斯模型，我们不仅能够将节点聚类到不同的社区，还能自动确定社区数量。我们使用随机变分推断进行模型推断，这使得我们的方法时间效率高，并且易于扩展为在线学习算法。
引用
@article{arxiv.1607.05573,
title = {Combining Random Walks and Nonparametric Bayesian Topic Model for Community Detection},
author = {Ruimin Zhu and Wenxin Jiang},
journal= {arXiv preprint arXiv:1607.05573},
year = {2016}
}