社交网络边符号预测中的 Troll-Trust 模型
机器学习
2017-03-02 v5 社会与信息网络
摘要
在边符号预测问题中，给定一个有向图（表示社交网络），我们的任务是预测边的二值标签（即社会关系的正或负性质）。该问题的许多成功启发式方法基于 troll-trust 特征，在每个节点处估计出边和入边中正/负边的比例。我们表明，这些启发式方法可以被理解为对一个简单边标签概率模型的贝叶斯最优分类器的近似，并可以严格分析。接着我们表明，该模型的最大似然估计量近似对应于在一个变换后的原始社交图上运行的标签传播（Label Propagation）算法的预测。在多个真实世界数据集上的大量实验表明，该算法在准确率和可扩展性方面均与最先进的分类器具有竞争力。最后，我们表明 troll-trust 特征也可用于推导在线学习算法，即使边被对抗性地标记，这些算法仍具有理论保证。
引用
@article{arxiv.1606.00182,
title = {On the Troll-Trust Model for Edge Sign Prediction in Social Networks},
author = {Géraud Le Falher and Nicolò Cesa-Bianchi and Claudio Gentile and Fabio Vitale},
journal= {arXiv preprint arXiv:1606.00182},
year = {2017}
}
备注
v5: accepted to AISTATS 2017