潜社区自适应网络回归
统计方法学
2021-12-14 v1
摘要
社会科学与健康科学中的网络数据研究通常集中于两项不同的任务：(1)检测节点间的社区结构；(2)将协变量信息关联到边的形成。在这类数据中，协变量对边形成的影响很可能因社区而异(例如，在一个城市的不同社区中，年龄可能在友谊形成中扮演不同角色)。在本文中，我们引入一种潜空间网络模型，其中与某些协变量相关的系数可依赖于节点的潜社区归属。我们表明，忽略此类结构会导致对边形成中协变量重要性的高估或低估，并提出一种马尔可夫链蒙特卡洛方法，用于同时学习潜社区结构和社区特定系数。我们利用高效谱方法提升我们方法的计算可处理性。
引用
@article{arxiv.2112.06097,
title = {Latent Community Adaptive Network Regression},
author = {Heather Mathews and Alexander Volfovsky},
journal= {arXiv preprint arXiv:2112.06097},
year = {2021}
}