复杂网络合并双曲嵌入的优化
社会与信息网络
2021-05-21 v1 应用统计
摘要
若干观测表明真实网络背后存在潜在的双曲空间，使得其结构非常直观：连接概率随节点间双曲距离递减。沿此思路生成随机图的著名网络模型是流行度-相似性优化(PSO)模型，它同时提供无标度度分布、高聚集性与小世界性质。这些结果强有力地推动了双曲嵌入算法的发展，该类算法旨在基于网络结构寻找节点的最优双曲坐标。一种极具前景的近期双曲嵌入方法是由非中心最小曲线嵌入(ncMCE)方法给出的，它属于合并嵌入算法族。该方法以低运行时间提供高质量嵌入。在本工作中，我们在此框架下提出对角度坐标的进一步优化，与原始版本相比似乎降低了对数损失并提升了嵌入的贪婪路由分数，从而对所推断双曲坐标的质量增添了额外改进。
引用
@article{arxiv.2009.04702,
title = {Optimisation of the coalescent hyperbolic embedding of complex networks},
author = {Bianka Kovács and Gergely Palla},
journal= {arXiv preprint arXiv:2009.04702},
year = {2021}
}