利用分类器估计在线社交网络中的群体属性
社会与信息网络
2018-07-26 v1
摘要
我们考虑在使用节点标签分类器时获取社交网络中群体属性的无偏估计的问题。该问题的推断因两个因素而复杂化：网络未知且必须被爬取，以及即便高性能分类器也会对群体比例给出有偏估计。我们提出并评估了 AdjustedWalk 以解决此问题。这是一个包含三步的流程：1）从任意节点出发游走图；2）对游走中的节点训练分类器；3）对分类标签施加事后调整。游走步骤提供了对节点和边进行推断所需的信息，而调整步骤纠正了分类器在估计群体比例时的偏差。该过程以额外方差为代价提供去偏估计。我们在四项任务上评估 AdjustedWalk：属于少数群体的节点比例、少数群体在高度节点中的比例、群体内边的比例，以及 Coleman 同质性指数。模拟与经验图表明，该流程在各种情形下相较于最优基线表现良好，同时也表明对于低召回率分类器方差增幅可能很大。
引用
@article{arxiv.1807.09406,
title = {Estimating group properties in online social networks with a classifier},
author = {George Berry and Antonio Sirianni and Nathan High and Agrippa Kellum and Ingmar Weber and Michael Macy},
journal= {arXiv preprint arXiv:1807.09406},
year = {2018}
}
备注
19 pages, 6 figures, 1 table