我正在尝试使用 igraph 和 python 实现用于单变量网络数据的分类工具包。
然而，我的问题实际上更多地涉及关系分类领域的算法问题，而不是编程问题。
我正在参照《Classification in Networked Data》一文。
我很难理解这篇论文中提到的“仅网络贝叶斯分类器”（NBC），这是该论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朴素贝叶斯分类器。而且，在我脑海中，对于文本数据的朴素贝叶斯的想法很清晰。
我认为这种方法（NBC）是将相同的想法简单地翻译成关系分类领域的。但是，我对方程式中使用的符号感到困惑，因此无法弄清楚发生了什么。我还对文章中使用的符号有一个问题 here。
NBC在该论文的第14页有解释。
摘要：
我需要解释《论文》第14页中“仅网络贝叶斯分类器”（NBC）的伪代码。
伪代码符号说明：
- 称列表中的顶点为
vs。长度为len(vs)，第i个顶点为vs[i]。 - 假设我们有一个单变量和二进制场景，即
vs[i].class是0或1，并且没有其他给定节点特征。 - 假设我们先运行了一个本地分类器，以便每个节点都有一个初始标签，这些标签由本地分类器计算得出。我只对关系分类器部分感兴趣。
- 将要预测的顶点称为
v，v.neighbors()是与v相邻的顶点列表。 - 假设所有边缘权重都为
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：
为了让你的工作更轻松，我做了这个example。我需要最后两个方程式的答案。