用于分析股票持有网络的非对角狄利克雷网络分布混合模型
社会与信息网络
2020-11-03 v2 机器学习
机器学习
摘要
块建模在复杂网络研究中被广泛使用。其基石模型是随机块模型（SBM），在过去几十年中被广泛使用。然而，SBM 在分析复杂网络方面存在局限，因为该模型本质上是一种随机图模型，无法复现许多复杂网络的基本特性，例如稀疏性和重尾度分布。在本文中，我们提出了一种边可交换块模型，该模型融合了此类基本特征，并同时推断给定复杂网络的潜在块结构。我们的模型是一种贝叶斯非参数模型，可灵活估计块的数量，并考虑未观测节点的可能性。使用一个合成数据集和一个真实世界的股票持有数据集，我们表明我们的模型在留出链接预测任务上优于最先进的 SBM。
引用
@article{arxiv.2009.04446,
title = {Nondiagonal Mixture of Dirichlet Network Distributions for Analyzing a Stock Ownership Network},
author = {Wenning Zhang and Ryohei Hisano and Takaaki Ohnishi and Takayuki Mizuno},
journal= {arXiv preprint arXiv:2009.04446},
year = {2020}
}