图元的随机块模型逼近：理论与一致估计
统计方法学
2013-11-14 v2 机器学习
社会与信息网络
数据分析、统计与概率
机器学习
摘要
基于可交换图模型 (ExGM) 分析网络数据的非参数方法最近引起了关注。定义 ExGM 的关键对象通常被称为图元 (graphon)。这种网络建模的非参数视角提出了如何对观测网络数据背后的图元进行推断的挑战性问题。在本文中，我们提出了一种计算高效的过程，用于从一组由其生成的观测网络中估计图元。该过程基于图元的随机块模型逼近 (SBA)。我们表明，通过用随机块模型逼近图元，可以一致地估计图元，即随着图的大小趋于无穷大，估计误差消失。
引用
@article{arxiv.1311.1731,
title = {Stochastic blockmodel approximation of a graphon: Theory and consistent estimation},
author = {Edoardo M Airoldi and Thiago B Costa and Stanley H Chan},
journal= {arXiv preprint arXiv:1311.1731},
year = {2013}
}
备注
20 pages, 4 figures, 2 algorithms. Neural Information Processing Systems (NIPS), 2013