网络分类与归类
社会与信息网络
2017-09-15 v1 数字图书馆
机器学习
摘要
据我们所知，本文提出了第一项大规模研究，测试网络类别(例如社交网络与万维网图)是否彼此可区分(同时使用真实世界网络与合成图的类别)。使用随机森林分类器在真实与合成网络上达到了的分类准确率。本工作有两个重要发现。首先，来自不同领域的真实世界网络具有独特的结构特性，使我们能够以高精度预测任意网络的类别。其次，合成网络的分类是平凡的，因为我们的模型可以轻松区分合成图与其旨在建模的真实世界网络。
引用
@article{arxiv.1709.04481,
title = {Network Classification and Categorization},
author = {James P. Canning and Emma E. Ingram and Sammantha Nowak-Wolff and Adriana M. Ortiz and Nesreen K. Ahmed and Ryan A. Rossi and Karl R. B. Schmitt and Sucheta Soundarajan},
journal= {arXiv preprint arXiv:1709.04481},
year = {2017}
}