二部网络中的模式检测：术语、应用与方法的综述
数据分析、统计与概率
2024-12-24 v1
摘要
具有二值（0/1）条目的二维矩阵是许多研究领域中的常见数据结构。例子包括生态学、经济学、数学、物理学、心理测量学等。由于这些矩阵的列与行代表不同实体，它们可等价地表达为一对通过投影相连的二部网络。随后可使用多种多样性统计与网络度量来量化这些矩阵与网络中的模式。但这些模式应与什么进行比较？在所有这些学科中，研究者都认识到将经验矩阵与通过随机化原始数据某些元素而生成的“零”矩阵基准集进行比较的必要性。这一共同需求却促进了来自不同背景、使用不同术语的研究者各自独立地发展方法。在此，我们对表征二值二部网络的矩阵随机化技术进行多学科综述。我们旨在将不同技术领域的概念翻译为广大科学读者可理解的通用语言。具体而言，在简要回顾不同领域中二值矩阵结构示例后，我们介绍随机化这些矩阵的主要方法与常见策略。接着我们探讨具体技术的细节与性能，并讨论其局限性与计算挑战。我们特别聚焦于随机化中结构约束的概念重要性与实现，例如在每个随机化矩阵中保留原矩阵的行列和。我们的综述既可作为不同学科经验研究者的指南，也可作为从事矩阵随机化方法理论与方法开发研究者的参考点。
引用
@article{arxiv.2310.01284,
title = {Pattern detection in bipartite networks: a review of terminology, applications and methods},
author = {Zachary Neal and Annabel Cadieux and Diego Garlaschelli and Nicholas J. Gotelli and Fabio Saracco and Tiziano Squartini and Shade T. Shutters and Werner Ulrich and Guanyang Wang and Giovanni Strona},
journal= {arXiv preprint arXiv:2310.01284},
year = {2024}
}