不确定图中的节点分类
数据库
2014-05-23 v1 机器学习
摘要
在许多使用和分析网络数据的实际应用中，网络图中的链接可能是错误的，或是源自概率技术。在这种情况下，节点分类问题可能具有挑战性，因为链接的不可靠性可能会影响分类过程的最终结果。如果未显式利用关于链接可靠性的信息，底层网络的分类准确性可能会受到不利影响。在本文中，我们关注需要分析图结构中现存不确定性的情况。我们将不确定性视为首要因素，研究了不确定图中节点分类这一新问题。我们提出了两种基于贝叶斯模型和自动参数选择的技术，并表明在分类过程中将不确定性作为首要因素纳入是有益的。我们利用不同的真实数据集对 proposed 方法进行了实验评估，并研究了算法在不同条件下的行为。结果证明了我们方法的有效性和高效性。
引用
@article{arxiv.1405.5829,
title = {Node Classification in Uncertain Graphs},
author = {Michele Dallachiesa and Charu Aggarwal and Themis Palpanas},
journal= {arXiv preprint arXiv:1405.5829},
year = {2014}
}