通过动态度修正随机块模型对时序网络中的变化进行建模与检测
统计方法学
2016-12-01 v2 社会与信息网络
物理与社会
摘要
在许多应用中，识别动态交互系统内的异常行为是很有意义的。此类异常交互通过系统网络表示中的结构变化得以反映。我们提出并研究了使用动态版本的度修正随机块模型 (DCSBM) 来建模和监控经历显著结构变化的动态网络。我们将统计过程监控技术应用于 DCSBM 的估计参数，以识别网络中的显著结构变化。将我们的监控策略应用于动态的美国参议院共同投票网络，结果显示我们能够检测到网络中的显著变化，这些变化反映了共和党和民主党成员之间团结时期与极化时期。这些发现为美国两党政治体系的演变提供了宝贵的见解。我们的分析表明，动态 DCSBM 监控程序能有效检测动态网络中的局部和全局结构变化。DCSBM 方法是一个更通用框架的示例，该框架结合了参数随机图模型和统计过程监控技术用于网络监控。
引用
@article{arxiv.1605.04049,
title = {Modeling and detecting change in temporal networks via a dynamic degree corrected stochastic block model},
author = {James D. Wilson and Nathaniel T. Stevens and William H. Woodall},
journal= {arXiv preprint arXiv:1605.04049},
year = {2016}
}
备注
27 pages, 7 figures, submitted