用于分析墨洛温高卢教会网络的随机子图模型

在过去二十年中，人们提出了许多随机图模型来从网络中提取知识。它们中的大多数寻找社区，或更一般地，寻找具有同质连接轮廓的顶点簇。虽然最初的模型仅关注具有二元边的网络，但现在的扩展已能处理赋值网络。最近，还引入了新模型，以便通过混合隶属关系来表征网络中的连接模式。这项工作是由分析历史网络的需求所推动的，在该网络中给定了顶点划分且边具有类型。已知的划分被视为网络分解为子图，我们提出使用具有未知潜在聚类的随机模型对其进行建模。每个子图有其自身的混合向量，并将其顶点关联到这些聚类。随后顶点以仅依赖于子图的概率进行连接，而边的类型则假定从潜在聚类中采样。提出了一种变分贝叶斯期望最大化算法用于推断，以及一个用于估计聚类数量的模型选择准则。在模拟数据上进行了实验以评估该方法。随后将所提出的方法应用于墨洛温高卢的一个教会网络。实现该推断算法的 R 代码（名为 Rambo）可向作者索取。