学习网络集合中的公共结构：在食物网中的应用
统计方法学
2024-04-09 v3 社会与信息网络
应用统计
摘要
令一个网络集合表示若干（社会或生态）系统内的相互作用。我们追求两个目标：识别网络间共有的拓扑结构相似性，以及将该集合聚类为结构同质网络的子集合。我们用基于概率模型的方法处理这两个问题。我们提出一种适应于网络集合联合建模的随机块模型（SBM）的扩展。集合中的网络被假设为 SBM 的独立实现。公共连通结构通过某些参数的相等来施加。模型参数用变分期望最大化（EM）算法估计。我们推导了一个特设的惩罚似然准则，用于选择块数并评估不同网络结构间所发现共识的适当性。同一准则也可用于基于连通结构对网络聚类，从而提供将集合划分为结构同质网络子集的划分。我们的提议的相关性在两组生态网络集合上得到评估。首先，对三个溪流食物网的应用揭示了它们结构的同质性，以及不同生态系统中扮演等效生态角色物种组之间的对应。此外，联合分析允许对较小网络结构更精细的分析。其次，我们根据连通结构对 67 个食物网聚类，并证明五个中尺度结构足以描述该集合。
引用
@article{arxiv.2206.00560,
title = {Learning common structures in a collection of networks. An application to food webs},
author = {Saint-Clair Chabert-Liddell and Pierre Barbillon and Sophie Donnet},
journal= {arXiv preprint arXiv:2206.00560},
year = {2024}
}
备注
To appear in the Annals of Applied Statistics (2023-09-28)