异质网络群体的聚类
社会与信息网络
2022-01-25 v2 物理与社会
应用统计
摘要
从重复测量中重建网络的统计方法通常假设所有测量均生成自相同的底层网络结构。然而事实未必如此。例如，人们的社交网络在工作日与周末可能不同。脑网络在健康患者与痴呆或其他病症患者之间可能存在差异。在此我们描述了一种针对此类数据的贝叶斯分析框架，该框架允许网络测量可能反映多种潜在结构这一事实。我们定义了测量过程的有限混合模型，并推导出一种快速的 Gibbs 采样过程，可精确从模型参数的完整后验分布中采样。最终结果为将所测网络聚类为具有相似结构的组。我们在真实与合成网络群体上演示了该方法。
引用
@article{arxiv.2107.07489,
title = {Clustering of heterogeneous populations of networks},
author = {Jean-Gabriel Young and Alec Kirkley and M. E. J. Newman},
journal= {arXiv preprint arXiv:2107.07489},
year = {2022}
}
备注
12 pages, 3 figures