面向网络数据的无监督实例与子网络选择
机器学习
2022-12-27 v1 社会与信息网络
定量方法
摘要
与表格数据不同，网络数据中的特征在领域特定的图内相互连接。该场景的例子包括叠加在蛋白质相互作用网络（PPI）上的基因表达和社交网络中的用户观点。网络数据通常是高维的（大量节点）且常包含离群快照实例与噪声。此外，用全局标签（如疾病或正常）标注实例往往不平凡且耗时。我们如何能在无监督情况下联合选择网络数据的判别性子网络与代表性实例？我们在一种用于网络数据中联合子网络与实例选择的无监督框架（称为UISS）内通过凸自表示目标解决这些挑战。给定一个无标签网络数据集，UISS在忽略离群点的同时识别代表性实例。它在判别性子网络选择和代表性实例选择上均优于最先进的基线，在我们用于评估的所有真实世界数据集上实现了高达10%的准确率提升。当用于多研究的RNA-seq网络样本的探索性分析时，它产生了可解释且信息丰富的摘要。
引用
@article{arxiv.2212.12771,
title = {Unsupervised Instance and Subnetwork Selection for Network Data},
author = {Lin Zhang and Nicholas Moskwa and Melinda Larsen and Petko Bogdanov},
journal= {arXiv preprint arXiv:2212.12771},
year = {2022}
}