확률 블록 모델에서 최적 오분류 비율을 달성하는 두 단계 알고리즘
본 논문은 확률 블록 모델(SBM)에서 커뮤니티 탐지를 위해, 초기 추정기를 이용한 전역 단계와 노드별 penalized likelihood 기반 정제 단계로 구성된 두 단계 알고리즘을 제안한다. 약한 정합성을 만족하는 초기값만 있으면, 정제 단계가 최소 리니 정보를 이용해 최소화된 오분류 비율을 고확률로 달성한다. 이 방법은 기존의 복잡한 전역 최적화 없이도 다중 커뮤니티와 불균형 크기에서도 최소화된 위험을 보장한다.
저자: Chao Gao, Zongming Ma, Anderson Y. Zhang
본 논문은 네트워크 데이터 분석에서 가장 기본적인 문제 중 하나인 커뮤니티 탐지를 다루며, 특히 확률 블록 모델(Stochastic Block Model, SBM) 하에서 통계적 최적성과 계산 효율성을 동시에 만족하는 새로운 알고리즘을 제안한다.
1. **문제 정의와 기존 연구**
SBM은 n개의 노드가 k개의 커뮤니티에 속하고, 각 커뮤니티 내·외부 연결 확률이 행렬 B에 의해 정의되는 확률 그래프 모델이다. 목표는 라벨 함수 σ:
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기