面向具有多变量属性的社交网络的联合潜空间模型
应用统计
2021-02-03 v2 统计方法学
摘要
在社会、行为和经济科学的许多应用问题中，研究者通常拥有群体中个体间社交网络的数据以及每个个体的高维多变量测量值。为分析此类网络数据结构，我们提出了一种联合属性与人潜空间模型（APLSM），该模型在人物-属性联合潜空间中总结来自社交网络与多属性测量的信息。我们开发了变分贝叶斯期望最大化估计算法，以估计联合潜空间中属性与人物位置的后验分布。该方法可有效整合、可视化并预测社交网络与高维属性测量。利用 APLSM，我们基于法国金融精英的社交网络及其职业、政治观点和社会地位探究其内在运作。我们观察到法国精英社交圈因其个体特征差异而存在分化。
引用
@article{arxiv.1910.12128,
title = {Joint Latent Space Model for Social Networks with Multivariate Attributes},
author = {Selena Shuo Wang and Subhadeep Paul and Paul De Boeck},
journal= {arXiv preprint arXiv:1910.12128},
year = {2021}
}
备注
A previous version of this paper (version 1) used a different application problem and dataset, and also had a slightly different title