2023年12月 投影、稀疏和可学习的潜在位置网络模型
尼尔·A·斯宾塞,Cosma Rohilla Shalizi公司
作者隶属关系+
安。统计师。 51(6): 2506-2525 (2023年12月)。 内政部:10.1214/23-AOS2340

摘要

当使用潜在位置模型对网络数据建模时,通常假设节点的位置是独立且一致分布的。然而,这个假设意味着平均节点度随节点数线性增长,当图形被认为是稀疏的时,这是不合适的。我们提出了另一种假设,即潜在位置是根据泊松点过程生成的,并表明它与各种程度的稀疏性兼容。与文献中其他稀疏潜在位置模型的概念不同,我们的框架还定义了概率模型的投影序列,从而确保了不同规模网络之间统计推断的一致性。我们建立了一致估计潜在位置的条件,并将我们的结果与现有的稀疏网络建模框架进行了比较。

资金筹措表

NAS获得了加拿大自然科学与工程研究委员会的资助。CRS得到了国家科学基金会(DMS1418124)和新经济思维研究所(INO1400020)的资助。

致谢

我们感谢卡内基·梅隆网络商店的成员对我们的结果和演示的反馈,并感谢他们与克雷格·布里尔克利夫、戴维·崔、艾米莉·福克斯、奥尔登·格林、彼得·霍夫、珍妮特·詹森、德米特里·克里奥科夫和克里斯托弗·摩尔的对话。我们还要感谢匿名裁判的建设性意见和建议。

引用

下载引文

尼尔·A·斯宾塞。 科斯玛·罗希拉·沙利兹。 “投影、稀疏和可学习的潜在位置网络模型。” 安。统计师。 51 (6) 2506 - 2525, 2023年12月。 https://doi.org/10.1214/23-AOS2340

问询处

接收日期:2020年2月1日;修订日期:2023年9月1日;发布日期:2023年12月
欧几里德项目首次提供:2023年12月20日

数学科学网:4682706马来西亚令吉
zbMATH公司:07783624
数字对象标识符:10.1214/23-AOS2340

学科:
主要用户:60G55型,2009年6月26日,91天30分

关键词:一致性估计,潜在位置网络模型,潜在空间模型,网络模型,网络稀疏性,投影族,随机几何图

版权所有©2023数学统计研究所

期刊文章
20页

此文章仅适用于订户.
它不可单独出售。
+ 保存到我的库中

第51卷•第6期•2023年12月
返回页首