网络模块度的贝叶斯方法
数据分析、统计与概率
2008-06-23 v3 统计力学
机器学习
摘要
我们提出了一种高效、严谨且可解释的技术,用于推断网络中的模块分配并识别给定网络中的最优模块数量。我们展示了如何将几种现有的模块发现方法描述为我们工作的变体、特例或极限情况,并说明该方法如何克服分辨率限制问题,准确恢复真实的模块数量。我们的方法基于贝叶斯模型选择方法,该方法已成功应用近一个世纪,并采用过去十年发展起来的变分技术进行实现。我们将该技术应用于合成网络和真实网络,并概述了该方法如何自然地允许在竞争模型之间进行选择。
引用
@article{arxiv.0709.3512,
title = {A Bayesian Approach to Network Modularity},
author = {Jake M. Hofman and Chris H. Wiggins},
journal= {arXiv preprint arXiv:0709.3512},
year = {2008}
}
评论
Phys. Rev. Lett. 100, 258701 (2008)