二分网络集合中的共同结构发现：应用于授熊系统
机器学习
2025-12-02 v1 机器学习
应用统计
摘要
二分网络广泛用于编码生态相互作用。能够比较二分网络的组织方式，是更好地理解环境因素如何塑造社区结构和韧性的第一步。然而，当前用于二分网络结构检测的方法忽略了跨网络集合中共享模式。我们提出了\emph{colBiSBM}，一族用于二分网络集合的概率模型，扩展了经典潜在块模型(Latent Block Model, LBM)。该框架假设网络是共享中尺度结构的独立实现，该结构通过常见的块间连通性参数编码。我们为\emph{colBiSBM}的不同变体建立了可辨识条件，发展出变分 EM 算法进行参数估计，并采用 Integrated Classification Likelihood(ICL) 准则的适应版本进行模型选择。我们展示了该方法可用于基于网络拓扑或组织进行网络分类。模拟研究表明，\emph{colBiSBM} 能够恢复共同结构，提高聚类性能，并通过跨网络借鉴强化链接预测。应用到植物-授熊网络后，我们发现该方法揭示了共享的生态角色，并将网络划分为具有相似连通性模式的子集合。这些结果说明了联合建模相较于独立网络分析在二分系统研究中的方法论和实际优势。
引用
@article{arxiv.2512.01716,
title = {Common Structure Discovery in Collections of Bipartite Networks: Application to Pollination Systems},
author = {Louis Lacoste and Pierre Barbillon and Sophie Donnet},
journal= {arXiv preprint arXiv:2512.01716},
year = {2025}
}