×
顾嘉琪;Yu，Philip L.H。

用于排名数据和社交网络的联合潜在空间模型。 （英语） Zbl 1490.62015年

统计计算。 32，第3号，第51号论文，第15页（2022年）.
摘要：人类的互动和交流已经成为社会生活的基本特征之一。个人的偏好可能会受到社交网络中同龄人或朋友的偏好的影响。在文献中，个人的等级偏好和他们的社交网络通常是分开建模的。在本文中，我们提出了一种新的用于排名数据和社交网络的联合概率模型。该模型为所有个人和项目提供了一个潜在空间，假设社交网络和项目排名由个人和项目的位置决定。基于一种有效的MCMC算法，我们为该模型开发了一组贝叶斯推理方法，包括模型选择过程、模型适应度评估标准以及给定个人在潜在空间中的位置的个人排名与其社交网络之间的条件独立性测试。仿真研究表明了我们提出的方法在参数估计、模型适应度评估、模型选择和条件独立性测试中的有效性。最后，我们将我们的模型应用于CiaoDVD数据集，该数据集由用户的信任关系和他们对DVD类别的隐含偏好组成。

理学硕士：

62-08 统计问题的计算方法
2015年1月62日 贝叶斯推断
62第25页 统计学在社会科学中的应用
91天30分 社交网络；意见动态

关键词：

联合潜在空间模型;排名数据;社交网络;贝叶斯推断;社交能力

软件：

节点2vec;线路;DeepWalk公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Gu}和\textit{P.L.H.Yu}，统计计算。32，第3期，第51号论文，15页（2022年；Zbl 1490.62015年）
全文： 内政部

参考文献：

[1] 埃罗尔迪，EM；布莱，DM；菲恩伯格，SE；Xing，EP，混合成员随机块模型，J.Mach。学习。1981-2014年第9号决议（2008年）·Zbl 1225.68143号
[2] 阿尔沃，M。；Yu，PLH，排名数据的统计方法（2014），纽约：施普林格，纽约·Zbl 1341.62001号 ·doi:10.1007/978-1-4939-1471-5
[3] Celeux，G。；福布斯，F。；CP罗伯特；Titterington，DM，缺失数据模型的偏差信息标准，贝叶斯分析。，1, 4, 651-673 (2006) ·Zbl 1331.62329号
[4] Chang，X。；黄，D。；王浩，《大规模定向社交网络的流行尺度潜在空间模型》，国家统计局。，29, 3, 1277-1299 (2019) ·Zbl 1421.62165号
[5] 克里斯滕森，KB；马克兰斯基，G。；Horton，M.，日元的临界值（Q_3）：使用残差相关识别Rasch模型中的局部依赖，应用。精神病。测量。，41, 3, 178-194 (2016) ·doi:10.1177/0146621616677520
[6] D’Angelo，S.，Alfå，M.，Fop，M.：基于模型的多元网络聚类。arXiv预打印arXiv:2001.05260（2020a）
[7] 南安吉洛。；阿尔夫·M。；Murphy，TB，《多维网络潜在空间模型中节点异质性建模》，Stat.Neerl。，74, 3, 324-341 (2020) ·Zbl 07778432号 ·doi:10.1111/坦桑尼亚12209
[8] 马萨诸塞州Duijn；斯奈德，TAB；Zijlstra，BJH，（p_2）：有向图的随机效应模型，Stat.Neerl。，58, 2, 234-254 (2004) ·Zbl 1050.62117号 ·doi:10.1046/j.0039-0402.2003.00258.x
[9] Fosdick，BK；Hoff，PD，《网络和模态属性之间的测试和建模依赖性》，美国统计协会，110，511，1047-1056（2015）·Zbl 1373.62273号 ·doi:10.1080/01621459.2015.1008697
[10] 戈里尼，I。；Murphy，TB，《多网络视图的联合建模》，J.Compute。图表。统计，25，1，246-265（2016）·doi:10.1080/10618602014.978006
[11] Gormley，I.C.，Murphy，T.B.：等级数据的潜在空间模型。在：统计网络分析：模型、问题和新方向，施普林格-柏林-海德堡，第90-102页，doi:10.1007/978-3-540-73133-7_7（2006）
[12] Grover，A.，Leskovec，J.：node2vec：网络的可扩展特征学习。In:第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集，ACM，doi:10.1145/2939672.2939754（2016）
[13] Guo，G.，Zhang，J.，Thalmann，D.，Yorke-Smith，N.：ETAF：用于信任预测的扩展信任先验框架。2014年IEEE/ACM社会网络分析和挖掘进展国际会议（ASONAM 2014），第540-547页（2014）
[14] 手动旋塞，MS；Raftery，AE；Tantrum，JM，《基于模型的社交网络聚类》，J.R.Stat.Soc.A.Stat.Soc.，170，2，301-354（2007）·doi:10.1111/j.1467-985x.2007.00471.x
[15] Hoff，PD，二进数据双线性混合效应模型，美国统计协会，100，469，286-295（2005）·Zbl 1117.62353号 ·doi:10.1198/0162145000001015
[16] 霍夫，PD；Raftery，AE；Handcock，MS，《社交网络分析的潜在空间方法》，《美国统计协会期刊》，97，460，1090-1098（2002）·Zbl 1041.62098号 ·doi:10.19198/016214502388618906
[17] 荷兰，普华永道；Leinhardt，S.，有向图概率分布的指数族，J.Am.Stat.Assoc.，76，373，33-50（1981）·Zbl 0457.62090号 ·doi:10.1080/01621459.1981.10477598
[18] Krivitsky，PN；手动旋塞，MS；Raftery，AE；Hoff，PD，《用潜在集群随机效应模型表示社交网络中的度分布、聚类和同质性》，社交网络，31，3，204-213（2009）·doi:10.1016/j.socnet.2009.04.001
[19] Leung，H.L.：单属性或多属性排名数据的游荡理想点模型：贝叶斯方法。香港大学硕士论文（2003）
[20] Marden，J.I.：分析和建模等级数据。CRC出版社（1996）·Zbl 0853.62006号
[21] Meng，X.L.：后验预测值。《Ann.Stat.22》（3），1142-1160（1994）。doi:10.1214/aos/1176325622·兹比尔0820.62027
[22] Perozzi，B.，Al-Rfou，R.，Skiena，S.：深度行走：社会表征的在线学习。摘自：第20届ACM SIGKDD知识发现和数据挖掘国际会议论文集，ACM，doi:10.1145/2623330.2623732（2014）
[23] 助教斯奈德斯；Nowicki，K.，具有潜在块结构的图的随机块模型的估计和预测，J.Classif。，14, 1, 75-100 (1997) ·兹伯利0896.62063 ·数字对象标识代码：10.1007/s003579900004
[24] 施皮格尔（Spiegelhalter），DJ；最佳，NG；英国石油公司卡林；范德林德，A.，《模型复杂性和拟合的贝叶斯度量》，《皇家统计学会杂志：B辑（统计方法）》，64，4，583-639（2002）·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353
[25] 唐J.、曲M.、王M.、张M.、严J.、梅Q.：LINE:大规模信息网络嵌入。In:《第24届万维网国际会议论文集》，国际万维网会议指导委员会，doi:10.1145/2736277.2741093（2015）
[26] Thurstone，LL，比较判断法，心理学。修订版，34、4、273（1927年）·doi:10.1037/h0070288
[27] Wang，S.S.，Paul，S.，De Boeck，P.：具有多元属性的社交网络的联合潜在空间模型。arXiv预印arXiv:1910.12128（2019）
[28] Yen，WM，地方项目依赖对三参数Logistic模型拟合和等式性能的影响，应用。精神病。测量。，8, 2, 125-145 (1984) ·doi:10.1177/014662168400800201
[29] Yu，P.L.H.：排序数据的顺序统计模型的贝叶斯分析。《心理测量学》65（3），281-299（2000）·兹比尔1291.62265
[30] Yu，PLH；Chan，LKY，用于显示排名数据的游荡向量模型的贝叶斯分析，统计正弦。，11, 445-461 (2001) ·Zbl 0980.62016号
[31] Yu，PLH；顾J。；Xu，H.，排名数据分析，威利跨学科评论：计算统计，11，6，e1483（2019）·doi:10.1002/wics.1483
[32] Zhang，X.：使用矩阵变量模型和潜在空间模型对网络数据进行统计分析。密歇根大学硕士论文（2020年）
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。