基于似然方法判别随时间变化的网络模型混合
社会与信息网络
2021-04-21 v2 物理与社会
摘要
判别相互竞争的解释性模型中哪一个更可能导致网络增长，是网络科学的一个基本重要问题。支配这种增长的规则被归因于优先连接和三角闭合等机制，并由此产生了大量基于这些机制的 explanatory 模型。这些模型刻意简单，通常网络在其生命周期内按恒定机制增长，以便得到解析结果。我们在网络模型于已知时间点发生变化的合成数据上使用基于似然的框架，并证明我们可从网络分析中恢复该变化点。随后我们使用真实数据集，展示我们的框架如何揭示网络增长机制随时间变化的重要性。
引用
@article{arxiv.1909.13253,
title = {Likelihood-based approach to discriminate mixtures of network models that vary in time},
author = {Naomi A. Arnold and Raul J. Mondragon and Richard G. Clegg},
journal= {arXiv preprint arXiv:1909.13253},
year = {2021}
}