对抗样本训练图分类器进行模型推理质量评估

来源：计算机工程与应用杂志2020年第17期北京时间：

作者：于千城，於志文，王柱

单位：1.西北工业大学 计算机学院，西安 710072；2.陕西省嵌入式系统技术重点实验室（西北工业大学），西安 710072

摘要：重叠社区发现是社交网络分析与挖掘中的一个重要研究问题，现有的大部分方法都要求采用人工方法预先设定社区个数[K]，这样做存在很多问题。将无限潜特征模型推广应用到关系型数据，以非参数贝叶斯层次模型为框架建立带重叠社区结构的网络生成模型，就可以避免预先设定[K]的值。然而，关系型无限潜特征模型的后验参数推理结果是一个[N×K]列的0、1矩阵上的概率分布，如何对这种多变量结构参数进行后验推理结果总结和后验推理质量评估是一个挑战，因此提出了一种利用基于对抗样本训练图卷积神经网络的图分类器来帮助总结推理结果和估计推理质量的方法。

关键词：重叠社区发现,非参数贝叶斯模型,关系型无限潜特征模型,参数推理质量估计,图卷积神经网络