通过曲率分析识别网络模型的潜空间几何
统计方法学
2023-01-03 v6 社会与信息网络
几何拓扑
应用统计
机器学习
摘要
建模网络的常见方法是将每个节点分配到低维流形上的位置，其中距离与连接可能性成反比。更正的流形曲率促进更多且更紧密的社群；负曲率引起排斥。我们从常曲率单连通完备黎曼流形中一致地估计流形类型、维数和曲率。我们将图表示为基于团之间连接的带噪距离矩阵，然后开发假设检验以确定观测距离是否可能等距嵌入到各候选几何中。我们将我们的方法应用于来自经济学和神经科学的数据集。
引用
@article{arxiv.2012.10559,
title = {Identifying the latent space geometry of network models through analysis of curvature},
author = {Shane Lubold and Arun G. Chandrasekhar and Tyler H. McCormick},
journal= {arXiv preprint arXiv:2012.10559},
year = {2023}
}