Network-only-bayes-classifier 的伪代码

Question

我正在尝试使用igraph 和python 为单变量网络数据实现分类工具包。

但是，我的问题实际上更多是关系分类领域的算法问题，而不是编程问题。

我正在关注Classification in Networked Data论文。

我很难理解本文所指的“Network-Only Bayes Classifier”(NBC)，它是本文中解释的关系分类器之一。

我之前使用词袋特征表示为文本数据实现了Naive Bayes 分类器。我对文本数据的Naive Bayes 的想法很清楚。

我认为这种方法 (NBC) 是将相同的想法简单地转化为关系分类领域。但是，我对方程式中使用的符号感到困惑，所以我无法弄清楚发生了什么。我还有一个关于here论文中使用的符号的问题。

NBC 在第 14 页 the paper 中进行了解释，

总结：

我需要paper，第 14 页中解释的“Network-Only Bayes Classifier”(NBC) 的伪代码。

伪代码表示法：

1. 让我们调用vs 图中的顶点列表。 len(vs) 是 长度。 vs[i] 是第 i 个顶点。
2. 假设我们有一个单变量和二元场景，即vs[i].class 是0 或1，并且节点没有其他给定特征。
3. 假设我们之前运行了一个本地分类器，因此每个节点都有一个初始标签，该标签由本地分类器计算。我只对关系分类器部分感兴趣。
4. 让我们称v 为我们试图预测的顶点，v.neighbors() 是与v 相邻的顶点列表。
5. 假设所有边的权重都是1。

现在，我需要以下伪代码：

def NBC(vs, v):
   # v.class is 0 or 1
   # v.neighbors is list of neighbor vertices
   # vs is the list of all vertices

   # This function returns 0 or 1

编辑：

为了让您的工作更轻松，我这样做了example。我需要最后两个方程的答案。

Answer 1

用语言...

节点x_i属于c类的概率等于：

• x_i（称为N_i）邻域的概率，如果x 确实属于c 类；乘以 ...
• 类c本身的概率；除以 ...
• 邻域N_i（节点x_i）本身的概率。

就x 属于c 类的邻域N_i（x_i）的概率而言，它等于：

• 有一定概率的product； （哪个概率？）
• 如果x 确实属于c 类，则邻域(N_i) 的某个节点(v_j) 属于c 类的概率
  • （提高到连接正在检查的节点和正在分类的节点的边的权重……但您对此不感兴趣……还）。 （我认为这里的符号有点偏离，为什么他们定义 v_j 然后从不使用它？...随便）。

• 最后，将product of some probability 与一些1/Z 相乘。为什么？因为所有ps 都是probabilities，因此在0 到1 的范围内，但w 的权重可以是任何值，这意味着最终计算出的概率可能超出范围。

• 一些x_i属于一个类c的概率给定 来自其邻域的证据是一个后验概率。 （后 东西……这是什么东西？ ...请参见下文）

• 如果x_i 出现邻域N_i 的概率 属于c 的类是可能性。

• 类c本身的概率是先验概率。 之前……这是什么东西？证据。先前的 在没有任何证据的情况下告诉你上课的概率 呈现，但后验告诉你特定的概率 事件（x_i 属于 c）鉴于其证据 邻里。

先验，可以是主观的。也就是说，通过有限的观察得出或成为知情意见。换句话说，它不一定是人口分布。它只需要足够准确，而不是绝对已知。

可能性更具挑战性。尽管我们在这里有一个公式，但必须从足够大的人口或尽可能多的关于正在观察的现象的“物理”知识来估计可能性。

在产品中（第二个等式中的大写字母 Pi，表示可能性），您有一个条件。条件是如果x 属于c 类，则邻域节点属于某个类的概率。

在Naive Bayesian Classifier的典型应用中，即document classification（例如垃圾邮件）中，条件an email is spam GIVEN THE APPEARANCE OF SPECIFIC WORDS IN ITS BODY是派生由一个庞大的观察数据库，或者，一个巨大的我们确实、绝对知道它们属于哪个类别的电子邮件数据库。换句话说，我必须对垃圾邮件的外观有所了解，最终，大多数垃圾邮件都具有一些共同的主题（我是一些银行官员，我有赚钱的机会给你，给我你的银行详细信息，以便电汇给你，让你变得富有......）。

没有这些知识，我们就不能使用贝叶斯规则。

所以，回到您的具体问题。在您的 PDF 中，您在产品的推导中有一个问号。

没错。

所以这里真正的问题是：您的图表/数据的可能性是多少？

(...或你打算从哪里得到它？（很明显，要么是大量已知的观察结果要么有关该现象的一些知识。例如，一个节点被感染的可能性是多少，因为它的一部分邻域也被感染了））。

我希望这会有所帮助。