本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #316
- 日期：2026-03-18
摘要
在許多網路中，頂點具有與網路拓撲相關的隱藏屬性。例如，在社交網路中，如果人們在人口統計上相似，那麼他們更有可能成為朋友。在食物網中，掠食者通常吃體重較低的獵物。我們探索一種網路拓撲已知但這些屬性未知的設定。如果每個頂點都可以被查詢，學習其隱藏屬性的值（但只有一定的成本），那麼我們需要一個演算法來選擇接下來要查詢的頂點，以便盡可能多地了解剩餘頂點的屬性。我們假設網路是由機率模型產生的，但我們不會對網路的同配性或不配性做出任何假設。然後，我們查詢其類型與其他類型之間具有最大互資訊的頂點（主動學習中的一種眾所周知的方法），或者查詢其類型一致的吉布斯分佈的兩個獨立樣本之間具有最大平均一致性的頂點。我們在兩個具有已知屬性的網路（空手道俱樂部網路和威德爾海物種食物網）上測試了這些方法。在某些情況下，我們發現平均一致性演算法比互資訊演算法表現得更好。這些演算法似乎聰明地探索網絡，首先查詢社區中心的頂點，然後查詢社區之間邊界的頂點。