异质网络中植入社区的实用检验方法
统计方法学
2021-01-18 v1 应用统计
统计计算
机器学习
摘要
图数据挖掘的一项基本任务是寻找植入社区(稠密子图)，其在生物学、金融、垃圾邮件检测等领域有广泛应用。对于真实网络数据，稠密子图的存在性通常是未知的。已有统计检验被设计用于检验同质随机图中稠密子图的存在性。然而，许多网络呈现极端异质性，即节点或顶点的度不集中于某个典型值。为同质随机图设计的现有检验不能直接应用于异质情形。近来，扫描检验被提出用于检测异质(非均匀)图中的稠密子图(\cite{BCHV19})。然而，扫描检验的计算复杂度通常在图规模上不是多项式的，这使得该检验对于大型或中等规模网络不实用。本文提出一种多项式时间检验，其零假设极限分布为标准正态分布。我们从理论上研究了该检验的功效，并通过模拟和真实数据示例评估了检验的性能。
引用
@article{arxiv.2101.05928,
title = {A practical test for a planted community in heterogeneous networks},
author = {Mingao Yuan and Qian Wen},
journal= {arXiv preprint arXiv:2101.05928},
year = {2021}
}