大型网络中多种标签类型的联合推断
机器学习
2014-01-31 v1 社会与信息网络
机器学习
摘要
我们研究了在部分标记的图中推断节点标签的问题，其中图中的每个节点具有多种标签类型，且每种标签类型包含大量可能的标签。本文的主要示例及关注焦点是联合推断社交网络中用户的标签类型，如家乡、当前城市和雇主。标准的标签传播方法未能考虑标签类型的属性及其相互之间的交互作用。我们提出的 EdgeExplain 方法显式地对这些因素进行建模，同时仍能在分布式消息传递架构下实现可扩展的推断。在 Facebook 社交网络的一个十亿节点子集上，EdgeExplain 在多种标签类型上的表现显著优于标签传播，recall@1 提升高达 120%，recall@3 提升高达 60%。
引用
@article{arxiv.1401.7709,
title = {Joint Inference of Multiple Label Types in Large Networks},
author = {Deepayan Chakrabarti and Stanislav Funiak and Jonathan Chang and Sofus A. Macskassy},
journal= {arXiv preprint arXiv:1401.7709},
year = {2014}
}