KNH：基于 K 近邻超平面图的多视图建模用于 misinformation 检测
机器学习
2021-02-17 v1 人工智能
计算机与社会
摘要
图是表示数据点及其关系最有效的一种结构，已被广泛用于不同应用。此前，节点间的高阶关系已通过称为超图的图泛化来建模。在超图中，边由一组节点（即超边）定义，以展示数据间的高阶关系。然而，对于节点本身并没有显式的高阶泛化。在这项工作中，我们引入了一种新颖的图泛化，即 K 近邻超平面图（KNH），其中节点由高阶欧几里得子空间定义，用于节点的多视图建模。事实上，在 KNH 中，节点是超平面或更确切地说是 m-平面，而非数据点。我们在两个多维度数据集上针对 misinformation 检测对 KNH 图进行了实验评估。实验结果表明，使用 KNH 图对文章进行多视图建模在分类性能上优于经典 KNN 图。
引用
@article{arxiv.2102.07857,
title = {KNH: Multi-View Modeling with K-Nearest Hyperplanes Graph for Misinformation Detection},
author = {Sara Abdali and Neil Shah and Evangelos E. Papalexakis},
journal= {arXiv preprint arXiv:2102.07857},
year = {2021}
}