度修正随机块模型中社区数的确定
统计方法学
2019-07-31 v2
摘要
我们提出基于伪似然比统计量来估计度修正随机块模型中的社区数。为此，我们引入一种将谱聚类与二元分割相结合的方法。当模型过拟合时，该方法保证伪似然比统计量的上界。我们还推导了模型欠拟合时其极限分布。基于这些性质，我们建立了对真实社区数估计量的一致性。发展这些理论性质需要对平均度有一个温和条件——以不慢于 log(n) 的速率增长，其中 n 为节点数。我们提出的方法通过模拟研究及真实网络分析得到进一步说明。数值结果表明当网络半稠密时我们的方法具有令人满意的性能。
引用
@article{arxiv.1809.01028,
title = {Determining the Number of Communities in Degree-corrected Stochastic Block Models},
author = {Shujie Ma and Liangjun Su and Yichong Zhang},
journal= {arXiv preprint arXiv:1809.01028},
year = {2019}
}
备注
57 pages