EagleMine：大型图中的视觉引导挖掘
社会与信息网络
2017-10-25 v1 物理与社会
摘要
给定一个包含数百万个节点的图，节点特征分布中存在何种模式？我们如何像人类视觉一样检测这些模式并分离异常节点？本文提出了一种名为 EagleMine 的视觉引导算法，用于总结大型图中由节点特征构建的二维直方图内的微簇模式。EagleMine 利用水位树（water-level tree），根据基于视觉的直觉在多分辨率下捕捉簇结构。EagleMine 从根节点遍历水位树，并采用统计假设检验来确定沿路径应拟合的最优簇，并用截断高斯分布对每个簇进行总结。真实数据实验表明，我们的方法能够发现截断和重叠的椭圆簇，即使某些基线方法将单个视觉簇分割为高斯球。为了识别潜在的异常微簇，EagleMine 还设计了一个分数来衡量异常组（即节点簇）和异常节点的可疑程度，在真实微博数据中以高精度检测机器人和异常用户。
引用
@article{arxiv.1710.08756,
title = {EagleMine: Vision-Guided Mining in Large Graphs},
author = {Wenjie Feng and Shenghua Liu and Christos Faloutsos and Bryan Hooi and Huawei Shen and Xueqi Cheng},
journal= {arXiv preprint arXiv:1710.08756},
year = {2017}
}
备注
9 pages