Latent Multi-group Membership Graph Model[Kim, ICML'12]のざっくりメモ
Jure Leskovecのところの論文.似たような論文がJureのところから出ていた気がするし,論文に載ってる図もどこかで見たことがあるけど,きっとそれとは違うのだろう.
内容はネットワークの生成モデルの話.ただし,リンクとノードの属性ベクトルの両方を扱うことが出来るモデル.リンクが分かればノード属性が推定できるし,ノード属性が分かればリンクが推定できるというのがこのモデルのうれしいところ.
モデルの良さを示すために,3つの実験をしてる.
- ミッシングノード属性予測
- ミッシングリンク予測
- 教師ありノード分類
- ノード属性ベクトルの一つをラベル,それ以外の属性とリンクが事例として学習.
それぞれのタスクで,ベースライン(Relational Topic Modelとか)と比べて性能が同等かそれ以上であることを示してる.
ネットワークの生成モデルとかリンクとノード属性の両方を捉えるモデルは既にあるので,それらと何が違うのかをDiscussionで述べている.
- これまでのリンクとノード属性の両方を捉えるモデルは,隠れたグループ構造は考えられてなくて,だから次元削減によるベネフィットとかネットワークコミュニティの理解に役立つクラスタが生成できなかった.
- 従来のモデルは,ノードはドキュメントを想定していたから,ノード属性は多項分布からの生成を仮定していた.提案法はロジスティックモデルを仮定してる.
モデルの詳細や推論方法はまた今度読む.