基于部分观测网络数据的图函数估计
机器学习
2019-06-28 v2 机器学习
统计方法学
摘要
我们考虑在由图函数(graphon)模型生成的网络未被完整观测——仅观测到若干重叠子图——时，估计其边概率矩阵的问题。我们将Zhang等人(2017)的邻域平滑(NBS)算法扩展至这一缺失数据设定，并通过实验表明，对于广泛的图函数，扩展的NBS算法比标准的图函数估计算法(如原始邻域平滑(NBS)、通用奇异值阈值化(USVT)、块模型近似、矩阵补全等方法)实现了显著更低的误差率。我们还表明扩展的NBS算法对缺失数据具有更强的鲁棒性。
引用
@article{arxiv.1906.00494,
title = {Graphon Estimation from Partially Observed Network Data},
author = {Soumendu Sundar Mukherjee and Sayak Chakrabarti},
journal= {arXiv preprint arXiv:1906.00494},
year = {2019}
}
备注
12 pages, 7 figures, 1 table