HM-LDM：一种混合隶属度潜在距离模型
社会与信息网络
2022-07-21 v2
摘要
对复杂网络建模的一个核心目标是准确地嵌入网络，以检测结构并预测连边与节点属性。潜在空间模型（LSM）已成为网络嵌入的重要框架，其中潜在距离模型（LDM）与特征模型（LEM）是应用最广泛的 LSM 规范。对于潜在社区检测，LDM 的嵌入空间被赋予了聚类模型，而 LEM 则被约束为受基于部分的非负矩阵分解（NMF）启发的表示以促进社区发现。我们目前通过将 LDM 表示约束于 D-单纯形来调和 LSM 与潜在社区检测，形成了混合隶属度潜在距离模型（HM-LDM）。我们表明，对于足够大的单纯形体积，这可以在不损失表达能力的情况下实现；而通过将模型扩展到平方欧氏距离，我们恢复了带有促进类 NMF 的基于部分表示的约束的 LEM 公式。重要的是，通过系统性地减小单纯形体积，模型变得可辨识，并最终导致节点对单纯形顶点的硬分配。我们通过实验展示了所提出的 HM-LDM 在确保可辨识性与有效社区提取的区间内如何给出准确的节点表示。重要的是，HM-LDM 自然地将软社区检测与硬社区检测同网络嵌入相调和，探索了一种在体积约束单纯形上的简单连续优化过程，该过程允许对硬与混合隶属度社区检测之间的权衡进行系统性研究。
引用
@article{arxiv.2206.03463,
title = {HM-LDM: A Hybrid-Membership Latent Distance Model},
author = {Nikolaos Nakis and Abdulkadir Çelikkanat and Morten Mørup},
journal= {arXiv preprint arXiv:2206.03463},
year = {2022}
}
备注
Camera-ready version. Accepted for oral presentation at the 11th International Conference on Complex Networks and their Applications, CNA 22