主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
柴变芳,贾彩燕,于剑.基于概率模型的大规模网络结构发现方法.软件学报,2014,25(12):2753-2766
基于概率模型的大规模网络结构发现方法
Approaches of Structure Exploratory Based on Probabilistic Models in Massive Networks
投稿时间:2014-04-14  修订日期:2014-08-21
DOI:10.13328/j.cnki.jos.004722
中文关键词:  大规模网络  结构发现  随机变分推理  在线EM算法  三角形模体
英文关键词:massive network  structure detection  stochastic varational inference  online EM algorithm  triangular motif
基金项目:国家自然科学基金(61473030,61370129);中央高校科研业务经费(2014YJS039);河北省自然科学基金(F2013205192);北京市科委项目(Z131110002813118);北大方正集团有限公司数字出版技术国家重点实验室开放课题;
作者单位E-mail
柴变芳 交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 100044
石家庄经济学院 信息工程学院, 河北 石家庄 050031 
 
贾彩燕 交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 100044  
于剑 交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 100044 jianyu@bjtu.edu.cn 
摘要点击次数: 3173
全文下载次数: 3492
中文摘要:
      随着万维网和在线社交网站的发展,规模大、结构复杂、动态性强的大规模网络应用而生.发现这些网络的潜在结构,是分析和理解网络数据的基本途径.概率模型以其灵活的建模和解释能力、坚实的理论框架成为各领域研究网络结构发现任务的有效工具,但该类方法存在计算瓶颈.近几年出现了一些基于概率模型的大规模网络结构发现方法,主要从网络表示、结构假设、参数求解这3个方面解决计算问题.按照模型参数求解策略将已有方法归为两类:随机变分推理(stochastic variational inference)方法和在线EM(online expectation maximazation)方法,详细分析各方法的设计动机、原理和优缺点.定性和定量地对比、分析典型方法的特点和性能,并提出大规模网络结构发现模型的设计原则.最后,概括该领域研究的核心问题,展望未来发展趋势.
英文摘要:
      The growth of the Internet and the emergence of online social websites bring up the development of massive networks which are large in scale, complex in structure, and dynamical in time. Exploring latent structure underlying a network is the fundamental solution to understand and analyze the network. Probabilistic models become effective tools in diverse areas of structure exploratory due to their flexibility in modeling, interpretability and the sound theoretical framework, however they incur computational bottlenecks. Recently, several approaches based on probabilistic models have been developed to explore structure in massive networks, which aim to solve the computational problems from three aspects: representations of a network, assumptions of the structure and methods of parameter estimation. This study classifies existing approaches as two categories by the methods of parameter estimation: approaches based on stochastic variational inference and online EM approaches, and analyzes in detail their designing incentives, principles, pros and cons. The properties and performance of classical models are compared and analyzed qualitatively and quantitatively, and as a result the principles are provided to develop approaches of structure detection in massive networks. Finally, the core problems of structure exploratory in massive networks are summarized based on probabilistic models and the development trend of this area is projected.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利