论文笔记 —— Role Discovery in Networks
Paper: Rossi R A , Ahmed N K . Role Discovery in Networks[J]. IEEE Transactions on Knowledge and Data Engineering, 2015, 27(4):1112-1131.
个人认为,这里的“角色”之所以叫“角色”,是因为现实中网络的形成一定程度上是角色驱动的,如老师与学生、上司与下属等,其在网络中的结构会有明显的区别。而角色在网络形成中的功能还有待发掘,这也是这个研究方向的意义所在。
1 角色等价问题
网络中的角色问题,即网络中节点的结构等价性(Structural equivalence)问题。假设给定图$G = (V, E)$,$r(u)$和$r(v)$分别表示节点$u$和$v$的角色,那么角色问题可表述为:
$\forall u,v \in V, r(u) = r(v) \iff u \equiv v.$
这里的等价性考虑结构等价性,即两节点的邻居完全相同:$\mathcal{N}(u) = \mathcal{N}(v)$。
但是,结构等价的条件过于严苛,在现实网络中基本不可用,因此考虑对角色等价的等价条件松弛化。
1.1 自同构等价(Automorphic equivalence)
图的同构是指对从一个图到另一个图的映射$p$,若$u$和$v$存在关系(边),则$p(u)$和$p(v)$亦存在关系。自同构即指映射$p$是从一个图到该图自身的映射。则节点$u$和节点$v$是自同构等价的,即指存在自同构映射$p$使得$u = p(v)$。显然结构等价是一种自同构等价。自同构等价是对结构等价的一种松弛,因为结构等价要求一个节点在保持连接关系的情况下可被另一节点替换,而自同构等价仅要求节点集作为子图可被替换。
1.2 规则等价 (Regular equivalence)
规则等价基于与角色等价的节点相连的节点角色相同的思路,这与结构等价要求与完全相同的节点相连不同。
1.3 随机等价 (Stochastic equivalence)
如果两节点与不同角色节点所连边的概率分布相同,则称其随机等价。
2 计算角色的方法
2.1 基于图计算角色(Graph-based Roles)的方法
基于图的角色方法是指直接从图数据计算角色的方法。
块模型:难于应用于大型网络,但可解释性强。
邻接矩阵的行/列相似性:易于计算,但可解释性差。
2.2 基于特征计算角色(Feature-based Roles)的方法
基于特征的角色方法先从图数据求得各节点的特征表示,再从特征表示计算节点等价性的方法。在基于特征表示的方法下,图中节点等价即节点的各特征表示相同。
基于特征表示的节点等价性可松弛为节点特征的相似性。
2.3 混合方法
主要可分为先基于图后基于特征的方法和先基于特征后基于图的方法。
3 基于特征计算角色的框架
设图为$ G = (V, E) $ ,$X^{v}$和$X^{e}$分别表示节点和边的原始属性。
3.1 角色特征构建
特征构建系统的目标应该是生成一组特征,这些特征表征了图数据中的基本结构和重要模式。
(1)关系特征类型(Relational Feature Classes):基于图数据选择用于计算的特征的类型
主要有四类:1. 结构特征,基于$G$;2. 边值特征,基于$(G, X^{e})$;3. 节点值特征,基于$(G, X^{v})$;4. 非关系特征。 以上四类特征都可以递归计算。
(2)角色关系特征算子(Relational Feature Operators for Roles):决定用于构建角色特征的算子
角色关系特征算子 | 示例 |
关系聚合 | MODE, MEAN, COUNT, ... |
集合算子 | Union, multiset, inters., ... |
子图模式 | k-star, k-clique, k-motif, ... |
降维 | SVD, PMF, NMF, ICA, PCA, ... |
相似性 | Cosine sim, mutual info, ... |
游走 | random-walks, k-walks, ... |
文本分析 | LDA, Link-LDA/PLSA, ... |
(3)特征搜索策略(Feature Search Strategy):选择在特征空间搜索特征的策略
主要有三种:全面型,引导型(启发式),随机型。
(4)关系特征选择(Relational Feature Selection: Scoring & Pruning):决定学习过程中怎样对特征评价和简化
无监督特征选择的目标为降维和去噪。
3.1 角色分配
(1)角色聚类
(2)低秩逼近
转载于:https://www.cnblogs.com/shenchuguimo/p/11077811.html
论文笔记 —— Role Discovery in Networks相关推荐
- 论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning
论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning 2017-06-06 21: ...
- 行为识别论文笔记|TSN|Temporal Segment Networks: Towards Good Practices for Deep Action Recognition
行为识别论文笔记|TSN|Temporal Segment Networks: Towards Good Practices for Deep Action Recognition Temporal ...
- 关于GCN的论文笔记--End-to-end Structure-Aware Convolutional Networks for Knowledge Base Completion
用于知识图谱完成的端到端结构感知卷积网络 论文题目 End-to-end Structure-Aware Convolutional Networks for Knowledge Base Compl ...
- 【论文笔记】Resolution Adaptive Networks for Efficient Inference (CVPR2020)
Resolution Adaptive Networks for Efficient Inference Motivation Method Experiments 借鉴意义与思考 论文地址:http ...
- 论文笔记《Fully Convolutional Networks for Semantic Segmentation》
[论文信息] <Fully Convolutional Networks for Semantic Segmentation> CVPR 2015 best paper key word: ...
- 【论文笔记】Feature Pyramid Networks for Object Detection
文章目录 Abstract 1. Introduction 3. Feature Pyramid Networks 4. Applications 4.1. Feature Pyramid Netwo ...
- 【论文笔记】Spatiotemporal Residual Networks for Video Action Recognition
目录 摘要 1 介绍 3. 技术方法 3.1 Two-Stream residual 网络 3.2跨时间的卷积剩余连接 3.3建议结构 (Proposed architecture) 参考文献 参考 ...
- GNN论文笔记: Graph Neural Networks with convolutional ARMA filters
0 摘要 流行的图神经网络基于多项式谱滤波器实现图的卷积运算. 在本文中,我们提出了一种新的图卷积层,其灵感来自自回归移动平均(ARMA)滤波器. 与多项式滤波器相比,它提供了更灵活的频率响应,更鲁棒 ...
- 【论文笔记】Region-based Convolutional Networks for Accurate Object Detection and Segmentation
<Region-based Convolutional Networks for Accurate Object Detection and Segmentation>是将卷积神经网络应用 ...
- [论文笔记]Self-Attention Generative Adversarial Networks
1.文献综述 文章链接:链接 文章题目:<Self-Attention Generative Adversarial Networks> 项目地址:1.TensorFlow版 2.pyto ...
最新文章
- textarea 自适应窗口|IE、firefox 显示同样的效果
- 数据挖掘导论读书笔记11异常检测
- 【测试】SAP选择屏幕界面配图实现
- 谈谈NullableT的类型转换问题
- 头条鼓励内容营销吗?创作商品营销内容会不会限制推荐?
- 计网复习第三章part one
- linux进程(线程间)间通信-eventfd
- linux 查看网卡单双工,Linux 查看网卡全双工 还是半双工 以及设置网卡为半双工...
- javacv使用详解
- 典型的对称加密和非对称加密算法有哪些
- 深度学习入门,Keras Conv2D类参数详解
- 电子书PDF文件的压缩实践
- 时制转换时的电话账单
- 60几行代码绘制丘比特爱情之箭!
- 第二型曲面积分的定义
- 网上哪里打印资料便宜?
- PC机组成——内存储器
- 【NOI2001】【SSL1384】 【TOI 1023】【POJ 1185】炮兵阵地
- CF1284E·New Year and Castle Construction
- 汇编中的通用基础寄存器ax,bx,cx,dx等的含意及作用解释
热门文章
- 梳理企业业务流程四步法
- mysql数据库 timeout_MYSQL数据库SQL查询超时的设置方法(关于timeout的处理)
- 2512厚膜贴片电阻使用介绍
- 一幅图理解计算机系统硬件组成
- i7 10510u相当于什么处理器
- 分数阶微积分学薛定宇电子版_分数阶微积分及应用.pdf
- LG V10距离感应器失效后的解决办法
- 计算机桌面的图片要点开才可以看,在桌面上的图片文件都不显示具体图片了 只能打开这个图片才能看到是哪张图片 请问怎么处理?...
- adb 切换usb模式_adb调试命令,adb强制打开usb调试,adb命令打开usb调试
- TVS和ESD的区别