用于确定网络数据中社区数量的网络交叉验证
统计方法学
2015-03-30 v2
摘要
随机块模型及其变体一直是分析具有社区结构的大型网络数据的流行工具。在本文中，我们开发了一种高效的网络交叉验证（NCV）方法，用于确定社区数量，以及在常规随机块模型和度校正块模型之间进行选择。所提出的 NCV 方法基于分块节点对分割技术，并结合了利用邻接矩阵子块进行社区恢复的集成步骤。我们证明，在满足广泛流行的社区恢复算法的温和条件下，随着节点数量的增加，欠选概率趋于零。大量的模拟和一个数据实例也证实了我们方法的稳健性能。
引用
@article{arxiv.1411.1715,
title = {Network Cross-Validation for Determining the Number of Communities in Network Data},
author = {Kehui Chen and Jing Lei},
journal= {arXiv preprint arXiv:1411.1715},
year = {2015}
}
备注
27 pages. Added further theoretical results and more references