用于成员预测的顶点提名方案

假设一个图是从随机块模型中实现的，其中一个块是感兴趣的，但许多或所有顶点的块标签未被观测到。任务是将具有未观测块标签的顶点排序成一个“提名列表”，使得来自感兴趣块的顶点以高概率集中在列表的开头。我们提出了几种顶点提名方案。我们基本但原则性的设定和推导产生了一个最佳提名方案（它是贝叶斯最优的类比），以及一个似然最大化提名方案，该方案在有一千个顶点时易于实施，并且在顶点数量足够小以允许与最佳提名方案进行比较时，经验上接近最优。随后，我们利用包括涉及人口贩卖的社交网络、Enron 图、蠕虫脑连接组和政治博客网络在内的示例，说明了似然最大化提名方案对真实数据固有建模挑战的鲁棒性。