资料下载
高精度近线性的马尔可夫随机场新模型iMRF
分享资料个
社团发现是非常重要的网络数据分析任务。统计模型类社团发现方法由于具有坚实的理论基础和优越的性能，因此越来越被人们关注。然而，已有社团发现模型一般都基于有向概率图模型，作为无向概率图模型的马尔可夫随机场极少被用于社团发现领域.2018年我们提出了一个网络导向的马尔可夫随机场模型 Net mrf，该模型虽具有良好的性能，但仍存在如下问题：（1） Net mrf的能量函数不够完整，缺少往往在MRF中起主导作用的单点势函数，仅采用了常被视为起辅助作用的成对势函数对社团进行描述;（2）也正因为如此，为了使成对势函数能有效建模网络中不规则的拓扑信息， Net MRF采用了复杂的三层全连接马尔可夫随机场结构，这虽会增强其描述能力，却给推断算法带来了O（n3）级时间复杂度，n为网络节点数。本文针对上述问题对 Net mre进行改进。首先基于网络嵌入方法，结合吉布斯分布设计有效的单点势函数，解决了 Netmrf能量函数不完整的缺陷;进而通过对成对势函数结构的有效稀疏化，缓效率不高的问题;从而构建了一个高精度、近线性的马尔可夫随机场新模型iMRF.本文采用“最大化加和γ版本的信念传播算法对iMRF进行推断，通过最大化联合后验概率获得最优的社团配置。在两组人工网络和20个真实网络上，我们将iMRF与6个统计模型类社团发现方法（包含 Net MRF）进行比较，结果显示iMRF的平均精度高子对代算法2.6%~12.9%;iMRF的平均运行速度在对比算法中也名列前茅尤其是对于大规模网络具有更强的处理能力。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
