具有依赖连接性的社区检测

在网络分析中，社区内成员比社区间成员更可能相连，这反映为社区内边相互关联。然而，现有的社区检测概率模型（如随机块模型（SBM））并非为捕捉边间依赖性而设计。本文提出一种新的社区检测方法，通过 Bahadur 表示纳入连接性的社区内依赖。所提方法无需指定似然函数，而对于相关二元连接性该似然函数可能难以处理。此外，所提方法允许不同社区间边存在异质性。在理论上，我们证明纳入相关性信息可降低估计偏差并加速算法收敛。我们的模拟研究表明，所提算法优于假设边间条件独立的流行变分 EM 算法。我们还展示了所提方法在来自不同国家的农产品贸易网络中的应用。