用于贝叶斯谱图聚类的潜结构块模型
机器学习
2022-06-27 v2 机器学习
摘要
网络邻接矩阵的谱嵌入常产生近似分布于低维子流形结构附近的节点表示。特别地，当图由潜位置模型生成时，预期会出现隐藏子结构。此外，网络中社区的存在可能在嵌入中产生社区特定的子流形结构，但大多数网络统计模型并未显式考虑这一点。本文提出一类称为潜结构块模型（LSBM）的模型以应对此类情形，允许在存在社区特定一维流形结构时进行图聚类。LSBM 聚焦于一类特定的潜空间模型——随机点积图（RDPG），并为每个社区的潜位置分配一个潜子流形。本文讨论了由 LSBM 产生的嵌入的贝叶斯模型，并表明其在模拟与真实网络数据上均具有良好表现。该模型能够正确地恢复存在于一维流形中的底层社区，即便底层曲线的参数形式未知，且在多种真实数据上取得了显著结果。
引用
@article{arxiv.2107.01734,
title = {Latent structure blockmodels for Bayesian spectral graph clustering},
author = {Francesco Sanna Passino and Nicholas A. Heard},
journal= {arXiv preprint arXiv:2107.01734},
year = {2022}
}