用非参数Bandit探索部分观测网络

现实世界中的网络如社交和网络通信网络过于庞大而无法被完全观测。此类网络通常仅被部分观测，使得原始网络的网络规模、网络拓扑和节点均未知。在本文中，我们形式化了自适应图探索问题。我们假设给定一个大网络的不完整快照，并且可以通过查询当前已观测网络中的节点来发现额外节点。该问题的目标是在给定查询预算内最大化已观测节点的数量。查询哪组节点能最大化已观测网络的规模？我们将此问题表述为一个探索-利用问题，并提出了一种新颖的非参数多臂bandit（MAB）算法来识别应查询的节点。我们的贡献包括：（1）iKNN-UCB，一种新颖的非参数MAB算法，将$k$近邻UCB应用于臂以向量空间形式呈现的场景；（2）提供iKNN-UCB算法具有次线性后悔的理论保证；（3）将iKNN-UCB算法应用于来自不同领域的合成网络和真实世界网络，我们表明相较现有基线我们的方法多发现多达40%的节点。