我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
已经提出了许多算法来拟合具有社区的网络模型,但大多数算法不能很好地扩展到大型网络,并且在稀疏网络上常常失败。在这里,我们提出了一种新的快速伪似然方法来拟合网络的随机块模型,以及一种通过以度为条件来允许任意度分布的变体。我们表明,这些算法在一系列设置下表现良好,包括在非常稀疏的网络上,并以政治博客网络为例进行了说明。我们还提出了带扰动的谱聚类,这是一种独立感兴趣的方法,适用于常规谱聚类失败的稀疏网络,并使用它来提供伪似然的初始值。我们证明,对于具有两个社区的块模型,在温和条件下,伪似然对社区的初始值提供了一致的估计。
阿拉什·A·阿米尼。 陈爱友。 彼得·比克尔(Peter J.Bickel)。 伊丽莎维塔·列维纳(Elizaveta Levina)。 “大型稀疏网络中社区检测的伪似然方法。” 安。统计师。 41 (4) 2097 - 2122, 2013年8月。 https://doi.org/10.1214/13-AOS1138