Core Concepts
Das gemischte Mitgliedschaftsverteilungsfreie (MMDF) Modell ermöglicht die Modellierung überlappender Gemeinschaften in gewichteten Netzwerken, bei denen Knoten mehreren Gemeinschaften angehören können und Kantengewichte beliebige reelle Zahlen sein können. Ein effizienter spektraler Algorithmus mit theoretischer Konvergenzgarantie wird vorgestellt, um Gemeinschaftsmitgliedschaften unter diesem Modell zu schätzen. Außerdem wird eine fuzzy gewichtete Modularität eingeführt, um die Qualität der Gemeinschaftserkennung für überlappende gewichtete Netzwerke mit positiven und negativen Kantengewichten zu bewerten.
Abstract
Das MMDF-Modell ist ein allgemeiner Rahmen zur Modellierung überlappender gewichteter Netzwerke. Es erweitert frühere Modelle wie das bekannte gemischte Mitgliedschafts-Stochastische-Blockmodell (MMSB), indem es keine Verteilungsannahmen für Kantengewichte trifft und auch überlappende Netzwerke mit positiven und negativen Kantengewichten modellieren kann.
Der vorgestellte effiziente spektrale DFSP-Algorithmus schätzt die Gemeinschaftsmitgliedschaften unter dem MMDF-Modell. Er hat theoretische Konvergenzgarantien und übertrifft andere Verfahren wie GeoNMF, SVM-cD und OCCAM in Simulationen.
Außerdem wird eine fuzzy gewichtete Modularität eingeführt, um die Qualität der Gemeinschaftserkennung in überlappenden gewichteten Netzwerken zu bewerten. Diese Modularität kann auch genutzt werden, um die optimale Anzahl der Gemeinschaften zu bestimmen.
Insgesamt bietet das MMDF-Modell und die dazugehörigen Methoden einen flexiblen und leistungsfähigen Rahmen zur Analyse komplexer überlappender gewichteter Netzwerke.
Stats
Die Varianz von A(i,j) ist höchstens ρ^2/3, wenn A(i,j) einer Gleichverteilung auf [0,2ρ] folgt.
Die Varianz von A(i,j) ist höchstens σ^2_A/ρ, wenn A(i,j) einer Normalverteilung mit Erwartungswert Ω(i,j) und Varianz σ^2_A folgt.
Die Varianz von A(i,j) ist höchstens Ω(i,j)/ρ, wenn A(i,j) einer Bernoulli-Verteilung mit Parameter Ω(i,j) folgt.
Die Varianz von A(i,j) ist höchstens Ω(i,j), wenn A(i,j) einer Poisson-Verteilung mit Parameter Ω(i,j) folgt.
Quotes
"MMDF hat keine Verteilungseinschränkungen für Kantengewichte und kann als Verallgemeinerung einiger früherer Modelle, einschließlich des bekannten gemischten Mitgliedschafts-Stochastischen-Blockmodells, angesehen werden."
"Überlappende Netzwerke mit positiven und negativen Kantengewichten können ebenfalls aus unserem Modell generiert werden."