用于社区检测的混合贝叶斯模型及其在哥伦比亚冲突网络中的应用

我们引入了一个灵活的贝叶斯框架，用于对无向二值网络中的节点进行聚类，其动机是在复杂环境中揭示结构模式的需要。基于随机块模型，我们开发了两种混合扩展：类距离模型，通过聚类级潜在位置之间的欧几里得距离来控制交互概率；以及类双线性模型，通过双线性交互捕获更复杂的关系模式。我们将此框架应用于源自哥伦比亚武装冲突的一个新网络，其中市镇通过武装行为者、暴力和非法经济的共同存在而连接起来。由此产生的聚类与领土控制和贩运走廊的经验模式相吻合，突出了模型恢复和解释复杂动态的能力。在有限和非参数聚类先验下，通过 MCMC 进行完全的贝叶斯推断。虽然主要应用集中在哥伦比亚冲突上，但我们还使用合成数据以及其他两个基准数据集评估了模型性能。