用于建模可交换关系数据的平滑图子
机器学习
2020-02-27 v1 机器学习
摘要
建模可交换关系数据可由\textit{图子理论}描述。大多数用于建模可交换关系数据的贝叶斯方法都可通过利用不同形式的图子归于该框架。然而，现有贝叶斯方法采用的图子要么是分段常数函数（对关系数据的精确建模不够灵活），要么是复杂的连续函数（推断计算代价高昂）。本工作中，我们引入一种对分段常数图子进行平滑的过程以形成{\em 平滑图子}，其允许用连续强度值描述关系，却不至于不切实际地增加计算成本。具体而言，我们聚焦于贝叶斯随机块模型（SBM）并展示如何将分段常数SBM图子适配为平滑版本。我们首先提出积分平滑图子（ISG），其向SBM图子引入一个平滑参数以生成连续关系强度值。继而我们发展了潜特征平滑图子（LFSG），通过引入辅助隐标签分解ISG强度的计算并实现高效推断，从而改进ISG。在真实数据集上的实验结果验证了将平滑策略应用于随机块模型的优势，表明平滑图子可在不增加计算复杂度的前提下大幅提升链接预测的AUC与精度。
引用
@article{arxiv.2002.11159,
title = {Smoothing Graphons for Modelling Exchangeable Relational Data},
author = {Xuhui Fan and Yaqiong Li and Ling Chen and Bin Li and Scott A. Sisson},
journal= {arXiv preprint arXiv:2002.11159},
year = {2020}
}