基于异质统计量的在线社交网络采样
社会与信息网络
2015-12-21 v2
摘要
大多数在线社交网络(OSN)的采样技术基于在单一图上的特定采样方法，即一种统计量。然而，不同图上可能用于同一OSN的各种实现方法可能导致不同的采样效率，即渐近方差。为了利用多种统计量进行精确测量，我们构建了一个混合采样问题，通过该问题构造一个最小化渐近方差的混合无偏估计量。给定不同统计量的固定采样预算，我们推导出组合各单独估计量的最优权重；给定固定总预算，我们证明向最高效统计量的贪心分配是最优的。在实践中，统计量的采样效率对不同目标可能差异很大且在采样前未知。为解决此问题，我们设计了一个两阶段框架，自适应地分配部分预算以测试不同统计量，并将剩余预算分配给推断出的最优统计量。我们证明我们的两阶段框架是1)随机选择统计量和2)将总预算均匀分配给所有可用统计量这两种策略的推广，并且我们的自适应算法在理论和实验中均优于这些基准策略。
引用
@article{arxiv.1501.02905,
title = {Sampling Online Social Networks via Heterogeneous Statistics},
author = {Xin Wang and Richard T. B. Ma and Yinlong Xu and Zhipeng Li},
journal= {arXiv preprint arXiv:1501.02905},
year = {2015}
}