Die Studie befasst sich mit der Modellierung dynamischer Netzwerke, bei denen die Beziehungen und Interaktionen zwischen Knoten sowie bestimmte Attribute der Knoten sich im Laufe der Zeit gegenseitig beeinflussen.
Zunächst wird das erweiterte CLSNA-Modell vorgestellt, das es ermöglicht, Knoten, die dem Netzwerk beitreten oder es verlassen, zu berücksichtigen. Im Gegensatz zum ursprünglichen CLSNA-Modell, das nur Knoten berücksichtigt, die während des gesamten Untersuchungszeitraums präsent sind, kann das erweiterte Modell die volle Datenmenge nutzen.
Anschließend wird eine zweistufige SGD-basierte Inferenzmethode entwickelt. In der ersten Stufe wird eine Punktschätzung der Parameter mithilfe eines SGD-Verfahrens berechnet. In der zweiten Stufe wird eine neuartige Methode zur Varianzschätzung vorgestellt, die ebenfalls auf SGD basiert und die Laplace-Approximation nutzt.
Die Simulationsergebnisse zeigen, dass die vorgeschlagenen Erweiterungen zu einer deutlichen Verbesserung der Skalierbarkeit führen, ohne dass die Genauigkeit stark beeinträchtigt wird.
Bei der Anwendung auf die X-Kongressdaten-Hashtag-Netzwerke zeigt sich, dass das erweiterte Modell Verzerrungen durch Selektionseffekte vermeidet und bisher verborgene repulsive Kräfte innerhalb der Republikanischen Partei aufdeckt.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Hancong Pan,... at arxiv.org 03-13-2024
https://arxiv.org/pdf/2403.07124.pdfDeeper Inquiries