Oct, 2017

利用小子图统计量测试全局网络结构

PDF
TL;DR使用小子图的观察频率之间的关系，提出了一种基于三节点子图频率的社区结构存在简单检验方法，该方法能够在网络引导模型的零假设下，显示出渐近正态的检验统计量，并在纠正度量复合备选假设下具有接近于一的功率，此外，该方法亦可用于多元高斯数据的检验，并应用于社交网络、科学文章的引用网络和标普 500 公司之间的股票回报率的检测。
networkscommunity structuresubgraphsdetections&p 500
发现论文，激发创造
  • 使用小子图概率关系测试网络结构

    研究使用小子图的观察频率之间的关系来测试网络结构的问题，证明了在 Erdős-Rényi 空模型下的 T2，T3 的中心极限定理，并分析了与一般类别的替代模型相关的 χ2 检验统计量的功率。

    Apr, 2017

  • 利用网络统计量进行大型随机图的两样本检验

    本文提出了在假设检验中对比 Facebook 和 LinkedIn 上的友谊网络的解决方案，利用网络统计学衡量网络。通过对网络统计学的集中度进行通用表述，揭示了一个自然的对策，实现了一致的双样本测试。本文还证明，对于某些网络统计量，所提出的测试是最小最优的。

    May, 2017

  • 网络中社群的统计显著性

    该研究提出了一种新的用于量化单个社群统计显著性的方法，通过使用极端值和排序统计学来预测随机图中簇相关的统计数据，进而成功地应用于真实世界网络的社群显著性评估。

    Jul, 2009

  • 高效估计大型网络的基序统计量

    本文提出了一种基于抽样的算法，有效地从大规模网络中准确估算子图统计量，并展示实验结果表明其能更加快速地完成与现行技术相同准确度的查询量（样本量）

    Jun, 2013

  • 稀疏随机网络中的社区检测

    考虑在稀疏随机网络中检测紧密社区的问题，将其形式化为在随机图中测试是否存在密集子图。在本文中，我们研究渐近稀疏情况下的信息理论下限，并比较了各种测试方法的性能，发现我们的检测边界是尖锐的。

    Aug, 2013

  • 基于加权随机块模型的社群成员两样本检验

    对基于加权随机块模型生成的两个网络的社区成员资格是否相同进行测试，提出了一种基于奇异子空间距离的测试统计量并开发了该统计量的极限分布。在密集图形的加权随机块模型下，模拟结果表明该测试具有正确的第 1 型错误，并在经验功率上表现符合预期。测试的结果逐渐变化。

    Nov, 2018

  • 社交和生物网络的社区结构

    本研究关注于网络系统的统计特性，特别是网络的小世界属性、幂律度分布、网络传递等特性。我们还提出了一种新的方法来检测紧密结合的节点组成的社区结构，使用中心性指数来确定社区边界。我们在计算机生成的和真实世界的图上测试了该方法，并发现它以高度的灵敏度和可靠性检测出社区结构。我们还将该方法应用于两个社区结构不好知道的网络 - 一张协作网络和一张食物网络，并发现它在两种情况下都能检测出有意义的社区划分。

    Dec, 2001

  • 用于测试社区检测算法的基准图

    本文介绍了一种新的基准图以测试社区检测算法，并与当前常用的基准图进行比较，结果表明这种新的基准图对算法的测试要比标准基准图更具挑战性。

    May, 2008

  • 网络社区结构快速检测算法

    本文描述了一种快速检测具有社群结构的网络的新算法，并给出了各种应用实例，比之前的算法更加高效。

    Sep, 2003

  • 网络中的社区结构发现与评估

    本研究提出了一套算法用于发现网络中的社群结构，算法基于边的 “介数” 指标进行网络拆分，并针对性的进行度量评估，研究结果表明这些算法对于计算机生成和现实世界中的网络数据发现社群结构非常有效，可为我们探索复杂的网络系统结构提供帮助。

    Aug, 2003