作为Max-Cut、Min-Cut等松弛的隐随机步
机器学习
2023-08-15 v1 社会与信息网络
摘要
节点聚类算法通常聚焦于发现图中的同配结构，即寻找簇内边多、簇间边少的相似节点集合。然而，图也常呈现异配结构，如（近似）二部图与三部图，其中大多数边出现在簇间。应对此类结构通常留待图简化任务处理。我们提出一种基于非负矩阵分解的概率模型，统一了聚类与简化，并为建模任意图结构提供框架。我们的模型基于对图上随机游走过程的因式分解，允许无约束参数化，从而可通过简单梯度下降优化。通过将硬聚类松弛为软聚类，我们的算法将潜在的难解聚类问题松弛为易处理问题。我们在合成图以及涉及正字法与音系数据的二部、三部无监督聚类简单任务上展示了算法的能力。
引用
@article{arxiv.2308.06448,
title = {Latent Random Steps as Relaxations of Max-Cut, Min-Cut, and More},
author = {Sudhanshu Chanpuriya and Cameron Musco},
journal= {arXiv preprint arXiv:2308.06448},
year = {2023}
}