基于部分网络爬取的关系逻辑回归随机梯度下降
机器学习
2017-08-22 v2 机器学习
摘要
统计关系学习研究已产生多种从大规模网络数据学习关系模型的方法。尽管这些方法已成功应用于多个领域，但它们都是在完整数据访问这一不切实际的假设下开发的。然而在实践中，由于专有访问权限、有限资源和隐私顾虑，数据往往通过网络爬取收集。最近，我们证明了由现有网络爬虫收集的网络样本计算的关系贝叶斯分类器的参数估计可能相当不准确，并为此类模型开发了一种爬取感知的估计方法（Yang, Ribeiro, and Neville, 2017）。在本工作中，我们将该方法论扩展到通过随机梯度下降从部分网络爬取中学习关系逻辑回归模型，并证明所提出的方法能产生准确的参数估计和置信区间。
引用
@article{arxiv.1707.07716,
title = {Stochastic Gradient Descent for Relational Logistic Regression via Partial Network Crawls},
author = {Jiasen Yang and Bruno Ribeiro and Jennifer Neville},
journal= {arXiv preprint arXiv:1707.07716},
year = {2017}
}
备注
7 pages, 3 figures, Proceedings of the Seventh International Workshop on Statistical Relational AI (StarAI 2017)