签名网络中社区建模和检测的贝叶斯方法

人们对探索具有正向和负向链接的签名网络的兴趣与日俱增,因为它们比未签名的网络包含更多的信息。 作为签名网络分析的基本问题,社区检测和符号(或态度)预测仍然是主要挑战。 为了解决这些问题,我们提出了一种生成贝叶斯方法,其中:1)提出了一种带符号的随机块模型,通过明确地表示从一个随机的符号链接的密度和受挫程度的分布,来描述带符号网络的社区结构。 2)通过理论推导用于参数估计的变分贝叶斯EM和用于模型选择的基于变分的近似证据,提出了一种模型学习算法。 通过与合成网络和现实网络中的最新方法进行比较,所提出的方法显示了其在探索性网络的社区检测和体征预测方面的优越性。