Aug, 2017

非参数加权随机块模型

PDF
TL;DR本文提出了一种基于贝叶斯方法的加权随机块模型，可以用于推断加权网络的大规模模块结构，方法为无参数方法，使用数据来推断模型中的群组数量和其他维度，并提供了不同种类的边权（如连续或离散、有符号或无符号、有界或无界等）以及任意权重转换的综合处理。作者还描述了无监督模型选择方法来选择最佳网络描述，并且将该方法应用于各种实际加权网络，例如全球移民、国会中的投票模式和人类大脑中的神经连接。
bayesianmodular structureweighted networksunsupervised model selectionempirical networks
发现论文，激发创造
  • 贝叶斯随机块模型

    本文介绍了利用贝叶斯推断从网络数据中提取大规模模块化结构的方法，重点介绍了基于随机块模型（SBM），以及其度修正和重叠推广。提供了一种允许防止过度拟合，实现模型选择的非参数公式。讨论了先验选择的方面，特别是如何通过加强贝叶斯层次结构来避免欠拟合，同时描述了执行单点估计和采样网络分区的有效算法。还展示了如何利用推断 SBM 来预测丢失和虚假链接，并揭示了网络中模块化结构可检测性的根本限制。

    May, 2017

  • 在加权网络中学习潜在的块结构

    文章介绍了一种新的称为 `加权随机块模型` 的社区检测方法，能够从加权网络中学习社区结构并预测未来的互动。

    Apr, 2014

  • 微正则随机块模型的非参数贝叶斯推断

    本文提出了一种基于无参数贝叶斯方法的微正则随机块模型，旨在同时改善深入贝叶斯层次结构的推断以及模型选择能力，以推断网络的模块结构和层次组织，并介绍了一种高效的推理算法。

    Oct, 2016

  • 受限 Tweedie 随机块模型

    提出了一种基于受限 Tweedie 分布的创新的随机分块模型，用于模拟国际贸易网络中的非负零膨胀连续边权重，并结合节点信息和其对边权重的动态影响，实现了有效的两步算法来估计协变效应和其他参数，并通过广泛的模拟研究和真实的国际贸易数据的应用证明了该方法的有效性。

    Oct, 2023

  • 网络中的随机块模型和社区结构

    本研究在考虑顶点度数变化的情况下，提出了一种改进的目标函数用于复杂网络社区结构检测，并提出了一种针对此函数或其非度数校正版本的启发式算法，表明度数校正版本在真实和合成网络中的表现显著优于未校正版本。

    Aug, 2010

  • 有向加权网络的社区发现

    本文介绍了一种用于建模有向加权网络的方法 ——Directed Distribution-Free model，它可以更好地解释在多个领域中出现的块状结构，并使用带有理论保证的谱算法来识别社区。

    Sep, 2021

  • 加权随机块模型中的社区估计的最优速率

    研究了一种基于加权邻接矩阵的随机块模型， 并通过一种基于离散化的算法，利用 Renyi 散度来表征其误差率。

    Jun, 2017

  • 层级随机块模型中的社区检测和分类

    该论文提出了一种强大、可扩展、综合的图中社区检测和比较方法，首先将图嵌入到一个适当的欧几里得空间中以获得低维表示，然后将顶点聚类成社区，并应用非参数图推理技术识别这些社区之间的结构相似性，然后可以递归地应用这两个步骤到社区上，以检测更细粒度的结构。最后，在模拟和真实数据上证明了该算法的有效性。

    Mar, 2015

  • 基于经验度量的随机块模型的分类和估计

    该论文研究了一种用于异质性网络数据的混合模型：随机块模型，提出了一种基于经验度数数据的分类、估计和模型选择算法，并证明了该算法能够在处理非常大的网络数据时获得一致的估计结果和分类效果。

    Oct, 2011

  • 用于模块化网络的随机块模型渐近分析及其算法应用

    本文利用统计物理的空穴方法，对社交和生物网络中的随机块模型进行了研究，从拓扑学的角度来推断功能群或社区。我们详细描述了一些性质，例如检测性 / 不可检测性的相变和社区检测问题的易于 / 困难的相变，并将分析自然翻译为信念传播算法。该算法在最优方式下推断节点的组成员资格，并学习该块模型的潜在参数，最后应用于两个真实世界的网络并讨论其性能。

    Sep, 2011