随机块模型中潜在维度与社区的贝叶斯估计
社会与信息网络
2021-07-22 v3 机器学习
应用统计
机器学习
摘要
无向图的邻接矩阵或拉普拉斯矩阵的光谱嵌入是一种常见技术，用于将网络表示于较低维潜在空间中，并具有最优的理论保证。该嵌入可用于估计网络的社区结构，在随机块模型框架下具有强一致性结果。从光谱嵌入进行社区检测的标准算法的主要实际局限之一在于，必须预先指定社区数量和嵌入的潜在维度。本文提出一种新颖的贝叶斯模型，用于同时自动选择潜在空间的适当维度和块的数量。讨论了向有向图与二部图的扩展。该模型在模拟和真实世界网络数据上进行了测试，在恢复潜在社区结构方面展现出有前景的性能。
引用
@article{arxiv.1904.05333,
title = {Bayesian estimation of the latent dimension and communities in stochastic blockmodels},
author = {Francesco Sanna Passino and Nicholas A. Heard},
journal= {arXiv preprint arXiv:1904.05333},
year = {2021}
}