Die Entwicklung des Internets hat nicht nur unsere Lebensweise verändert, sondern auch eine Vielzahl von Netzwerkstrukturdaten produziert und aufgezeichnet. Viele Netzwerke in der Realität sind "gemischte Mitgliedschaftsnetzwerke", bei denen einige Knoten potenziell gleichzeitig zwei oder mehr Gemeinschaften angehören. Im Gegensatz zu "reinen" Netzwerken, in denen jeder Knoten höchstens einer Gemeinschaft angehört, sind gemischte Mitgliedschaftsnetzwerke realistischer.
In dieser Arbeit wird eine neue Methode namens Mixed-SLIM vorgestellt, die auf der Spektralanalyse der symmetrischen Laplace-Inverse-Matrix unter dem Grad-korrigierten gemischten Mitgliedschaftsmodell basiert. Die Kernidee ist, dass die Schätzung der Mitgliedschaftsmatrix durch die Zerlegung der symmetrischen Laplace-Inverse-Matrix in ihre führenden K-Eigenvektoren erhalten werden kann.
Es werden theoretische Grenzen für den Schätzfehler des vorgeschlagenen Algorithmus und seiner regularisierten Version unter milden Bedingungen angegeben. Darüber hinaus werden einige Erweiterungen der vorgeschlagenen Methode präsentiert, um große Netzwerke in der Praxis zu behandeln.
Die numerischen Ergebnisse von Simulationen und substanziellen empirischen Datensätzen zeigen, dass die vorgeschlagenen Mixed-SLIM-Methoden sowohl für das Problem der Gemeinschaftserkennung als auch für das Problem der gemischten Mitgliedschaftsgemeinschaftserkennung zufriedenstellende Leistungen erbringen und die state-of-the-art-Methoden übertreffen.
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Huan Qing,Ji... pada arxiv.org 04-08-2024
https://arxiv.org/pdf/2012.09561.pdfPertanyaan yang Lebih Dalam