多部网络中的块模型及其在生态学与民族生物学中的应用
统计方法学
2020-02-28 v3
摘要
对个体间关系进行建模是社会科学、生态学等领域的经典问题。为揭示数据中的潜在结构，一种流行的方法是根据观察到的交互模式对个体进行聚类。为此，随机块模型（SBM）与潜在块模型（LBM）是针对单一网络中个体行为对个体进行聚类的标准工具。然而，当采用整合视角时，个体并非仅参与一个网络，而是多个网络的组成部分，从而形成一个潜在复杂的多部网络。在本文中，我们提出一种能够处理多部网络的随机块模型，从而基于个体在多个网络中的连接行为提供个体聚类。我们的模型是潜在块模型（LBM）与随机块模型（SBM）的扩展。参数——如归属于各块的边缘概率以及块间连接概率矩阵——通过变分期望最大化（Expectation-Maximization）程序进行估计。块的数量由集成完备似然（Integrated Completed Likelihood）准则这一惩罚似然准则来选取。我们的方法学适用性通过来自生态学与民族生物学的两个数据集加以说明。
引用
@article{arxiv.1807.10138,
title = {Block models for multipartite networks.Applications in ecology and ethnobiology},
author = {Avner Bar-Hen and Pierre Barbillon and Sophie Donnet},
journal= {arXiv preprint arXiv:1807.10138},
year = {2020}
}