arXiv 1702.061542017-02cs.SIphysics.soc-ph

基于低秩相似矩阵的角色模型检测

Role model detection using low rank similarity matrix

Sibo Cheng, Adissa Laurent, Paul Van Dooren

摘要：

计算有意义的节点簇对于分析大型网络至关重要。在本文中，我们采用新的聚类方法，以提高计算时间。我们利用邻接矩阵的性质，以获得更好的角色提取。我们还定义了一个新的非递归相似性度量，并将其结果与Browet的相似性度量进行了比较。我们将以线性时间复杂度展示不同角色的提取。最后，我们用实际的数据结构对算法进行了测试，并分析了算法的局限性。

英文摘要：

Computing meaningful clusters of nodes is crucial to analyse large networks. In this paper, we apply new clustering methods to improve the computational time. We use the properties of the adjacency matrix to obtain better role extraction. We also define a new non-recursive similarity measure and compare its results with the ones obtained with Browet's similarity measure. We will show the extraction of the different roles with a linear time complexity. Finally, we test our algorithm with real data structures and analyse the limit of our algorithm.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

一种用于角色模型抽取的低秩相似性度量

Low-rank Similarity Measure for Role Model Extraction

计算有意义的节点簇对于分析大型网络至关重要。在本文中，我们提出了一个成对的节点相似性度量，允许提取的角色，即一组节点在网络中共享相似的流模式。我们提出了一个低秩迭代方案来近似非常大的网络的相似性度量。最后，我们证明了我们的低秩相似性分数成功地提取了随机图中的不同角色，其性能与成对相似性度量相似。

2014-07-24cs.SIphysics.soc-ph

网络角色相似度的公理化排序

Axiomatic Ranking of Network Role Similarity

社交网络和其他复杂网络分析中的一个关键任务是角色分析：根据节点与其他节点的交互方式对节点进行描述和分类。如果两个节点与等价的邻居集交互，则它们具有相同的角色。最基本的角色对等是自守对等。不幸的是，已知的图自同构的最快算法是非多项式的。此外，由于精确的等效性可能很少见，因此更有意义的任务是测量任何两个节点之间的角色相似性。这个任务与SimRank试图解决的结构或基于链接的相似性问题密切相关。然而，SimRank及其大多数分支并不足够，因为它们不能完全识别同构或结构等效的节点。在本文中，我们解决两个问题。首先，角色相似性度量或度量的必要属性是什么？其次，我们如何才能得到一个角色相似性度量满足这些属性？对于第一个问题，我们证明了几个公理性质所需的角色相似性度量或度量：范围，最大相似性，自守等价，传递相似性，和三角不等式。对于第二个问题，我们提出了RoleSim，一个新的相似性度量与一个简单的迭代计算方法。我们严格证明，RoleSim满足所有的公理性质。我们还介绍了一个冰山RoleSim算法，可以保证发现所有对RoleSim分数不低于用户定义的阈值$θ$，而不计算RoleSim的每一对。我们证明了RoleSim在合成和真实数据集上的卓越解释能力。

2011-06-10cs.SIphysics.soc-ph

基于特征排序的实体语义相似度计算

Computing Entity Semantic Similarity by Features Ranking

本文提出了一种新的方法来估计语义实体相似性使用实体的功能作为关联数据。其关键思想是利用从关联数据源中提取的特征的排名列表，作为要比较的实体的表示。然后，通过比较两个实体的特征排序列表来估计它们之间的相似性。本文描述了使用DBpedia中的博物馆数据、LOD目录中的数据集以及DBLP存储库中的计算机科学会议进行的实验。实验表明，实体相似性，使用排名的功能列表计算，达到更好的准确性比国家的最先进的措施。

2018-11-06cs.IRcs.SI

基于角色相似性、马尔可夫稳定性和松弛最小生成树的有向网络角色社区发现

Finding role communities in directed networks using Role-Based Similarity, Markov Stability and the Relaxed Minimum Spanning Tree

我们提出了一个框架，集群节点在有向网络中根据他们的角色，结合基于角色的相似性（RBS）和马尔可夫稳定性，两种技术的基础上流。首先，我们计算RBS矩阵，其中包含节点之间的成对相似性，根据不同长度的入向和出向路径的缩放数量。然后使用松弛最小生成树（RMST）算法将加权RBS相似性矩阵变换为无向相似性网络，该算法使用RBS矩阵的几何结构来使网络不模糊，使得具有高直接RBS的节点之间的边缘被保留。最后，我们使用马尔可夫稳定性将RMST相似性网络划分为所有尺度的节点角色社区，以找到网络中的一组强大的角色。我们通过生物和人造网络展示我们的框架。

2013-09-06cs.SIphysics.soc-phq-bio.NC

角色抽取问题的邻域模式相似性度量分析

Analysis of the Neighborhood Pattern Similarity Measure for the Role Extraction Problem

在本文中，我们分析了一种间接的方法，称为邻域模式相似性的方法，来解决所谓的角色提取问题的大规模图。该方法是基于一个节点相似性矩阵的初步建设，允许在第二阶段分组在一起，与适当的聚类技术，被分配到具有相同的作用的节点。分析建立在理想图的概念上，其中具有相同角色的所有节点在结构上也是等效的。

2020-09-25cs.SI

基于角色相似性的有向网络比较

Role-similarity based comparison of directed networks

复杂网络的广泛相关性是分析广泛系统的宝贵工具。需要能够提取有意义的信息并能够在不同系统之间进行比较的工具。我们提出了一种新的措施，在不同的网络节点之间的相似性作为自相似性的概念的推广。相似性矩阵被组装为包含每个节点的所有长度的进出路径的特征向量之间的距离。因此，在相似流环境中操作的节点被认为是相似的，而不管网络成员。我们证明，这种方法有可能是有影响力的任务，如分配身份或功能的未表征的节点。此外，对原始结果进行图分区的创新应用将这一概念扩展到了网络底层角色结构的比较。

2011-03-29cs.SIphysics.soc-phq-bio.MN

更多相关论文收起更多论文

学习排序科学文献

Learning to Rank Scientific Documents from the Crowd

University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；University of Massachusetts Medical School（马萨诸塞大学医学院）

在任何科学中，寻找相关的已发表文章都是一项重要的任务，但随着生物医学领域新工作的爆炸式增长，它变得特别具有挑战性。大多数现有的方法使用文本相似性度量来识别两篇文章是否相关。然而，生物医学知识发现是假设驱动的。最相关的文章可能不是具有最高文本相似性的文章。在这项研究中，我们首先开发了一种创新的众包方法来建立一个专家注释的文档排名语料库。使用这个语料库作为金标准，我们然后评估的方法，使用文本相似度排名的相关性的文章。最后，我们开发和评估了一个新的监督模型，自动排名相关的科学文章。我们的研究结果表明，作者的排名显着不同的排名基于文本相似性的模型。通过在注释语料库的一个子集上训练学习排名模型，我们发现最好的监督学习排名模型（SVM-Rank）显着超过了最先进的基线系统。

2016-11-04cs.CLcs.DLcs.IR

基于生成有根森林的角色相似度度量

Role Similarity Metric Based on Spanning Rooted Forest

Fudan University（复旦大学）；School of Computer Science, Fudan University（复旦大学计算机科学学院）；Shanghai Key Laboratory of Intelligent Information Processing（上海市智能信息处理重点实验室）

本文提出满足公理性质的角色相似度度量 ForestSim 及其 top-k 搜索算法 ForestSimSearch，并通过快速近似预计算将复杂度显著降低，在百万级网络上高效运行且性能媲美现有最优方法。

2024-04-01cs.AIcs.SI

有向网络中基于角色的相似性

Role-based similarity in directed networks

日益复杂的网络的广泛相关性需要方法来提取这些系统的有意义的粗粒度表示。对于无向图，标准社区检测方法使用主要基于连接密度的标准来提供这种表示。我们提出了一种方法分组节点在有向网络中的作用的基础上，在网络中的传入和传出的流的模式理解。角色分组是通过相似性矩阵的聚类来获得的，该相似性矩阵由包含每个节点的所有长度的进出路径的数量的特征向量之间的距离形成。因此，在类似的流环境中操作的节点被分组在一起，尽管它们本身可能不是密集连接的。我们的方法，其中包括一个比例因子，揭示了强大的分组的基础上日益全球化的结构，提供了一种替代标准，以揭示网络中的结构，其中有一个隐式的流量传输系统。我们说明了它的应用程序，从生态，世界贸易和细胞代谢的各种数据。

2010-12-13cs.SInlin.AOphysics.soc-ph

潜在网络重构的时间相似性度量：时滞衰减的作用

Temporal similarity metrics for latent network reconstruction: The role of time-lag decay

在研究一条信息的传播或一项创新的扩散时，我们往往缺乏关于底层传播网络的信息。基于观测到的扩散过程重建隐藏的传播路径是一个具有挑战性的问题，最近引起了不同研究领域的关注。为了解决这个重建问题，通常用于链接预测文献中的静态相似性度量的基础上，我们引入新的节点节点的时间相似性度量。新的指标将多个独立传播过程的时间序列作为输入，其假设是，如果两个节点经常在相似的时间点被感染，则它们更有可能被连接。这个假设是通过引入一个时滞函数来实现的，该函数惩罚了远处的感染时间。我们发现，这个时滞的选择强烈影响的指标的重建精度，取决于网络的聚类系数，我们提供了一个广泛的比较分析的静态和时间的相似性指标网络重建。我们的发现揭示了复杂网络中节点对之间相似性的概念。

2019-04-04cs.SIphysics.data-an

基于矩阵方程和广义随机游走的角色提取

Role extraction by matrix equations and generalized random walks

针对有向网络的角色提取问题，本文提出一种定义为矩阵方程解的新型相似性矩阵，利用双向广义随机游走计算节点相似性，在异质度分布网络中表现优异。

2025-02-18cs.NAcs.SImath.NA

面向角色的网络嵌入研究综述

A Survey on Role-Oriented Network Embedding

Tianjin University（天津大学）；Eindhoven University of Technology（埃因霍温理工大学）

近年来，网络嵌入（Network Embedding，NE）已成为机器学习和数据采掘领域最具吸引力的研究课题之一。NE方法在各种图挖掘任务中取得了很好的性能，包括链接预测和节点聚类和分类。各种各样的NE方法集中于网络的邻近性。它们为每个节点学习面向社区的嵌入，如果网络中的两个节点彼此更接近，则相应的表示是相似的。同时，还有另一种类型的结构相似性，即，基于角色的相似性，它通常是互补的，完全不同于邻近性。为了保持基于角色的结构相似性，提出了面向角色的网元问题。然而，相对于面向社区的NE问题，目前只有少数面向角色的嵌入方法被提出。虽然探索较少，考虑到角色在分析网络和许多应用中的重要性，面向角色的NE可以阐明，这是必要的，及时提供一个全面的概述现有的面向角色的NE方法。在这篇综述中，我们首先澄清了社区导向和角色导向的网络嵌入之间的区别。之后，我们提出了一个一般的框架来理解面向角色的NE和两个层次的分类，以更好地分类现有的方法。然后，我们选择了一些代表性的方法，根据建议的分类，并简要介绍了他们的动机，发展和差异进行讨论。此外，我们进行了全面的实验，以经验评估这些方法在各种角色相关的任务，包括节点分类和聚类（角色发现），top-k相似性搜索和可视化使用一些广泛使用的合成和真实世界的数据集。

2021-07-18cs.AIcs.SI