网络数据中的层次结构识别
统计方法学
2024-10-07 v1 应用统计
统计计算
摘要
本文引入了一种针对网络数据识别多层社区结构的层次化扩展随机块模型。我们还提出了Markov链蒙特卡lore（MCMC）和变分贝叶斯算法来拟合模型并获得近似后推断。在模拟数据和真实数据上，我们展示该模型成功识别数据中存在的社区和超社区。此外，我们观察到该模型在数据中不存在多层社区结构时，返回单个超社区。就单层随机块模型的情况而言，我们注意到MCMC算法在其变分贝叶斯对手基准上表现一致。因此，我们建议在网络规模允许计算可行性时使用MCMC。
引用
@article{arxiv.2410.02929,
title = {Identifying Hierarchical Structures in Network Data},
author = {Pedro Regueiro and Abel Rodríguez and Juan Sosa},
journal= {arXiv preprint arXiv:2410.02929},
year = {2024}
}