通过扩展的潜在特质分析器混合模型对二分网络进行双聚类
统计方法学
2024-04-16 v1
摘要
在网络数据背景下，二分网络备受关注，因为它们为表示发送节点与接收节点之间关系的系统提供了有用的描述。在此框架内，我们扩展了潜在特质分析器混合模型（MLTA），以对发送节点和接收节点进行联合聚类，即双聚类框架。具体而言，发送节点通过有限潜在特质模型混合被划分为簇（称为组件）。在每个组件中，通过采用线性预测器灵活且简约的设定，将接收节点划分为簇（称为片段）。与原始 MLTA 设定一样，接收节点之间的依赖关系通过多维潜在特质进行建模。该提议还允许在模型的潜在层中包含伴随变量，旨在理解它们如何影响组件的形成。为了估计模型参数，提出了一种基于不可积积分的 Gauss-Hermite 近似的 EM 型算法。我们进行了模拟研究，以测试模型在聚类和参数恢复方面的性能。所提出的模型被应用于可能患有阑尾炎的儿科患者的二分网络，旨在识别在临床条件子集（接收节点）方面具有相似性的患者群体（发送节点）。
引用
@article{arxiv.2404.09823,
title = {Biclustering bipartite networks via extended Mixture of Latent Trait Analyzers},
author = {Dalila Failli and Maria Francesca Marino and Francesca Martella},
journal= {arXiv preprint arXiv:2404.09823},
year = {2024}
}