对抗样本训练图分类器进行模型推理质量评估

摘要：

重叠社区发现是社交网络分析与挖掘中的一个重要研究问题,现有的大部分方法都要求采用人工方法预先设定社区个数K,这样做存在很多问题.将无限潜特征模型推广应用到关系型数据,以非参数贝叶斯层次模型为框架建立带重叠社区结构的网络生成模型,就可以避免预先设定K的值.然而,关系型无限潜特征模型的后验参数推理结果是一个N×K列的0、1矩阵上的概率分布,如何对这种多变量结构参数进行后验推理结果总结和后验推理质量评估是一个挑战,因此提出了一种利用基于对抗样本训练图卷积神经网络的图分类器来帮助总结推理结果和估计推理质量的方法.

关键词：重叠社区发现、非参数贝叶斯模型、关系型无限潜特征模型、参数推理质量估计、图卷积神经网络

所属期刊栏目：56

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;北方民族大学校级科研项目;宁夏高等学校一流学科建设电子科学与技术学科;"计算机应用技术"宁夏自治区重点学科项目;宁夏自然科学基金

在线出版日期：2020-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：142-149