特征优先块模型

带标签网络是一类重要的数据，在科学与工程的大量应用中自然出现。一个典型的推断目标是确定顶点标签（或特征）如何影响网络的结构。在这项工作中，我们引入了一种新的生成模型——特征优先块模型（FFBM），它便于对带标签网络使用丰富的查询。我们开发了贝叶斯框架并设计了一种两级马尔可夫链蒙特卡罗方法来高效地从 FFBM 参数的相关后验分布中采样。这使我们能够推断观察到的顶点特征是否以及如何影响宏观结构。我们将所提方法应用于多种网络数据，以提取顶点据以划分的最重要的特征。所提方法的主要优势在于整个特征空间被自动使用，且特征可根据影响进行隐式排序。