流行度调整区块模型是广义随机点积图
机器学习
2022-06-13 v2 机器学习
摘要
我们将两个随机图模型——流行度调整区块模型（PABM）和广义随机点积图（GRDPG）联系起来，证明了 PABM 是 GRDPG 的一个特例，其中社区对应于潜在向量的相互正交子空间。这一见解使我们能够为 PABM 构建新的社区检测和参数估计算法，并改进一个依赖于稀疏子空间聚类的现有算法。利用 GRDPG 的邻接谱嵌入的已知渐近性质，我们推导出这些算法的渐近性质。特别地，我们证明了随着图顶点数量趋于无穷大，社区检测错误的绝对数量趋于零。仿真实验验证了这些性质。
引用
@article{arxiv.2109.04010,
title = {Popularity Adjusted Block Models are Generalized Random Dot Product Graphs},
author = {John Koo and Minh Tang and Michael W. Trosset},
journal= {arXiv preprint arXiv:2109.04010},
year = {2022}
}
备注
36 pages, 9 figures