基于非回溯随机游走的快速聚类
机器学习
2017-08-29 v1 机器学习
社会与信息网络
摘要
本文提出了 VEC-NBT，一种对无监督图聚类技术 VEC 的改进算法，它在稀疏图上的性能显著优于原始算法。VEC 采用了一种对 SOTA word2vec 模型的新颖应用，通过在图节点上的随机游走将图嵌入到欧几里得空间中。在 VEC-NBT 中，我们修改了原始算法，使用非回溯随机游走代替 VEC 中使用的常规回溯随机游走。我们引入了对非回溯随机游走的一种修改，称为勉强回溯随机游走，并从经验上证明，在 VEC-NBT 中使用这种随机游走模型需要更短的图上游走即可获得与 VEC 相当或更高的准确度，对于更稀疏的图尤其如此。
引用
@article{arxiv.1708.07967,
title = {Faster Clustering via Non-Backtracking Random Walks},
author = {Brian Rappaport and Anuththari Gamage and Shuchin Aeron},
journal= {arXiv preprint arXiv:1708.07967},
year = {2017}
}