摘要
随着互联网技术的进步,网络关系数据不断涌现,规模不断膨胀,网络数据的结构分析成为机器学习和网络应用领域的研究热点.为了提高推理效率,文中提出加权网络的在线结构学习算法.首先,使用指数族分布描述加权网络的生成过程.然后,利用随机变分推理方法,构建加权网络的在线结构学习算法.该算法采用基于重采样技术的增量学习方式,降低优化的时间复杂度.最后,利用基于自然梯度理论的随机优化方法进一步加速学习过程,实现网络社区结构的在线学习和实时优化.通过与传统的离线学习算法进行对比实验,验证文中算法能高效快速地实现复杂加权网络的社区结构学习,并在较短时间内达到较高的预测精度.
-
单位复杂系统管理与控制国家重点实验室; 中国科学院自动化研究所