随机块模型的修正贝叶斯信息准则
统计方法学
2019-09-18 v5 统计理论
统计理论
摘要
估计社区数量是社区检测中的基本问题之一。我们重新审视随机块模型的贝叶斯范式，并提出一种“修正贝叶斯信息准则”以确定社区数量，并证明所提估计量在温和条件下是一致的。所提准则改进了 Wang 和 Bickel (2016) 与 Saldana 等人 (2017) 中使用的准则，它们分别倾向于低估和高估社区数量。在此过程中，我们建立了随机块模型的 Wilks 定理。此外，我们表明，为了获得随机块模型模型选择的一致性，我们需要一个所谓的“一致性条件”。我们还针对同质网络和非同质网络给出了充分条件。结果进一步扩展到度修正随机块模型。数值研究证明了我们的理论结果。
引用
@article{arxiv.1611.01238,
title = {Corrected Bayesian information criterion for stochastic block models},
author = {Jianwei Hu and Hong Qin and Ting Yan and Yunpeng Zhao},
journal= {arXiv preprint arXiv:1611.01238},
year = {2019}
}
备注
42 pages, major revision. Change the title to "Corrected Bayesian information criterion for stochastic block models"