考虑私有节点的基于随机游走的社交网络属性估计
社会与信息网络
2020-07-14 v2
摘要
由于对图数据的访问限制，准确分析社交网络的图属性是一项具有挑战性的任务。为了应对这一挑战，人们已经研究了多种通过随机游走从少量样本中获取属性无偏估计的算法。然而，现有算法未考虑真实社交网络中隐藏其邻居的私有节点，从而导致一些实际问题。在此，我们设计了基于随机游走的算法，以准确估计属性，且不会出现由私有节点引发的任何问题。首先，我们设计了一种基于随机游走的采样算法，该算法包含用于获取具有 Markov 性质的样本的邻居选择以及为每个样本计算权重以校正采样偏差。此外，针对两种图属性估计量，我们提出了加权方法，以不仅减少采样偏差，还减少由私有节点引起的估计误差。所提算法在真实世界数据集上将现有算法的估计精度最多提高了 92.6%。
引用
@article{arxiv.2006.12196,
title = {Estimating Properties of Social Networks via Random Walk considering Private Nodes},
author = {Kazuki Nakajima and Kazuyuki Shudo},
journal= {arXiv preprint arXiv:2006.12196},
year = {2020}
}
备注
26th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2020)