❔ Main quesion: 몇 개의 node들에 대해서만 label이 주어진 network에서 unlabeled node의 label을 어떻게 assign할 수 있을까?
📌 Alternative framework: Message passing
* Semi-supervised node classification: Unlabeled nodes의 label을 예측한다. (👉지도 + 비지도 동시에)
* Correlations(Dependencies): 비슷한 노드들은 연결되어 있다.
👉 Collective Classification
5.1 Message Passing and Node Classification
✅ 네트워크 내의 Correlations 근거
-
Homophily: 개개인의 특징을 기반으로 사회적 관계가 형성되는데, 이때 비슷한 특징을 가진 사람들은 서로 연결될 확률이 크다. ("Birds of a feather flock together.")
-
Influence: 사회적 관계가 개개인의 특징, 행동에 영향을 미친다.
❔ 이러한 Correlation을 어떻게 leverage할 것인가?
❔ 그리하여 어떻게 node label 예측을 돕게 할 것인가?
(대략적인 semi-supervised learning은 위 이미지와 같이 이루어진다.)
Semi-supervised binary node classification을 활용한다.
( +Markov Assupmtion: 노드 v의 라벨은 이웃 노드의 라벨에 영향을 받는다.)
이제, Collective Classification의 3가지 step을 소개하겠다.
1. Relational Classification
2. Iterative Classification
3. Correct & Smooth
(공개된 강의록 자료와 실제 강의에서 사용하는 ppt 내용이 살짝 상이한데, 강의에서 소개한 collective classifier model 3가지는 다음과 같다.)
1. Relational Classifiers
2. Iterative Classification
3. Loopy belief propagation
5.2 Relational and Iterative Classification
5.3 Collective Classification
