多层随机块模型揭示复杂网络的多层结构
物理与社会
2016-04-06 v1 无序系统与神经网络
统计力学
社会与信息网络
数据分析、统计与概率
摘要
在复杂系统中，我们观测到的系统组分间的相互作用网络，是通过不同机制或层级发生的相互作用的聚合。最近的研究表明，多个相互作用层级的存在会对这些系统上发生的动力学过程产生巨大影响。然而，这些研究假设每一层中系统组分间的相互作用是已知的，而对于现实世界系统，我们通常缺乏此类信息。在此，我们通过引入多层随机块模型（SBMs）来解决从聚合数据中揭示不同相互作用层级的问题；这是对考虑不同层级聚合机制的单层 SBM 的推广。首先，我们找到了针对给定聚合观测网络寻找最优多层 SBM 问题的完整概率解。由于该解在计算上不可行，我们提出了一种近似方法，使我们能够验证多层 SBM 在现实世界复杂系统中对网络结构具有更强的预测能力。
引用
@article{arxiv.1411.1098,
title = {Multilayer stochastic block models reveal the multilayer structure of complex networks},
author = {Toni Valles-Catala and Francesco A. Massucci and Roger Guimera and Marta Sales-Pardo},
journal= {arXiv preprint arXiv:1411.1098},
year = {2016}
}