×

网络数据潜在位置聚类模型的变分贝叶斯推理。 (英语) Zbl 1365.62246号

摘要:最近的一些社交网络建模方法关注于将节点嵌入潜在的“社交空间”。与距离较远的节点相比,距离较近的节点更有可能形成链接。这自然解释了在许多网络数据集中常见的互惠和传递关系。潜在位置聚类模型就是这样一种模型,它通过使用有限高斯混合模型对位置进行建模,明确地结合了聚类。观察到的协变量和社会性随机效应也可以建模。然而,通过MCMC对模型进行推断是很麻烦的,因此扩展到大型网络是一个挑战。变分贝叶斯方法为这个问题提供了一种替代的推理方法。基于采样的MCMC被一种需要更少数量级迭代才能收敛的优化所取代。因此,开发并证明了用于潜在位置聚类模型的变分贝叶斯算法。

MSC公司:

62H30型 分类和区分;聚类分析(统计方面)
62英尺15英寸 贝叶斯推断
91天30分 社交网络;意见动态
05C82号 小世界图形、复杂网络(图形理论方面)
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] Airoldi,E。;布莱,D。;费恩伯格,S。;Xing,E.,混合隶属随机块模型,《机器学习研究杂志》,1981-2014(2008)·Zbl 1225.68143号
[2] 阿玛根。;Zaretzki,R.L.,关于贝叶斯概率模型中平均场变分近似的注释,计算统计与数据分析,55,1,641-643(2011)·Zbl 1247.62081号
[4] Bishop,C.,模式识别和机器学习(2006),Springer·Zbl 1107.68072号
[5] Consonni,G。;Marin,J.-M.,潜在变量模型的Mean-field变分近似贝叶斯推断,计算统计与数据分析,52,2790-798(2007)·Zbl 1247.62085号
[6] Dempster,A.P。;新墨西哥州莱尔德。;Rubin,D.B.,《通过EM算法从不完整数据中获取最大似然》,《皇家统计学会杂志》,B辑,39,1,1-38(1977)·Zbl 0364.62022号
[7] 弗雷利,C。;Raftery,A.E.,基于模型的聚类、判别分析和密度估计,美国统计协会杂志,97,611-631(2000)·Zbl 1073.62545号
[8] 弗雷利,C。;Raftery,A.E.,《增强的基于模型的聚类、密度估计和判别分析软件:mclust》,《分类杂志》,第20期,第263-286页(2003年)·Zbl 1055.62071号
[9] 弗鲁奇特曼(Fruchterman,T.)。;Reingold,E.,通过强制定向放置绘制图形,软件实践与经验,21,11,1129-1164(1991)
[10] Greene,D。;卡格尼,G。;科罗根,N。;坎宁安,P.,《蛋白质相互作用聚类的集成非负矩阵分解方法》,生物信息学,241722-1728(2008)
[11] 手动旋塞,M.S。;Raftery,A。;Tantrum,J.,《社交网络的基于模型的聚类》,《皇家统计学会杂志:A辑》,170,2,1-22(2007)
[12] 霍夫,P。;Raftery,A。;Handcock,M.S.,《社会网络分析的潜在空间方法》,《美国统计协会杂志》,971090-1098(2002)·兹比尔1041.62098
[13] Jaakkola,T.S。;Jordan,M.I.,通过变分方法进行贝叶斯参数估计,统计与计算,10,25-37(2000)
[14] Krivitsky,P.N。;Handcock,M.S.,《利用潜在网络拟合社交网络的位置-潜在集群模型》,《统计软件杂志》,2008年第24期,第5期,第1-23页
[15] 出版社,W.H。;Teukolsky,S.A。;韦特林,W.T。;Flannery,B.P.,《C中的数字食谱:科学计算的艺术》(1992),剑桥大学出版社:剑桥大学出版社,英国剑桥·Zbl 0845.65001号
[18] Schervish,M.J.,《统计学理论》(1995),斯普林格·弗拉格·兹伯利0834.62002
[19] Schwarz,G.,估算模型的维度,《统计年鉴》,第6461-464页(1978年)·Zbl 0379.62005年
[20] S˘mídl,V。;Quinn,A.,《信号处理的变分贝叶斯方法》(2006),Springer Verlag:Springer Verlag Berlin
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。