估计富特征大规模图中的潜在特征-特征交互

现实世界的复杂网络描述了物体之间的连接；在现实中，这些物体通常具有某种特征。此类特征的存在与否如何与网络链接结构相互作用？尽管所描述的情形无处不在，但处理此类大规模图的研究体系有限。许多先前的工作将同质性视为将节点特征转化为链接的唯一可能传递机制。另一些作者则开发了更复杂的模型，能够处理复杂的特征交互，但无法扩展到非常大的网络。我们扩展了 MGJ 模型，其中特征对之间的交互可以促进或阻碍链接的形成。在本工作中，我们将研究如何估计该模型中的潜在特征-特征交互。我们将提出两种解决方案：第一种假设特征独立，本质上基于朴素贝叶斯；第二种放宽了独立性假设，基于感知机。事实上，我们展示了可以改写模型方程，将其视为感知机的预测规则。我们分析了感知机的经典结果如何在此背景下被解释；然后，我们为该任务定义了一种快速且简单的类感知机算法，能够在几分钟内处理 $10^8$ 条链接。随后我们比较了这两种技术，首先在遵循我们模型的合成数据集上进行，获得了表明朴素独立性假设在实践中不利的证据。其次，我们考虑了一个真实的大规模引文网络，其中每个节点（即论文）可以由不同类型的特征描述；在此，我们的算法能够评估每组特征解释链接的程度，从而发现有意义的潜在特征-特征交互。