Core Concepts
バイパーティットネットワークの投影からバックボーンを抽出する際、既存の確率的次数列モデル(SDSM)に制約を加えることで、より正確なバックボーンを得ることができる。
Abstract
本研究では、バイパーティットネットワークの投影からバックボーンを抽出する際に、既存の確率的次数列モデル(SDSM)に制約を加えた新しいモデル(SDSM-EC)を提案している。
まず、バイパーティットネットワークの投影を用いてユニパーティットネットワークを測定する際の課題について説明している。エッジ重みが投影の歪みを反映しているため、バックボーン抽出モデルを用いて統計的に有意なエッジを抽出することが重要である。
既存のバックボーン抽出モデルの中で最も高速かつ堅牢なSDSMについて説明し、その限界として、特定のエッジに制約を設けることができないことを指摘している。そこで、SDSM-ECを提案し、禁止エッジを含むバイパーティットネットワークにも適用できるようにした。
玩具データと実証データを用いて、SDSM-ECがSDSMよりも適切にノイズエッジを除外できることを示している。特に、実証データでは、年齢グループや出席時間の違いによる制約を考慮することで、より正確なバックボーンを得られることを示している。
最後に、SDSM-ECの拡張として、必須エッジの制約も組み込める可能性について言及し、今後の課題として、Q の推定方法の改善や、他の制約の検討などを挙げている。
Stats
制約のない空間の行列の個数は211個であるのに対し、1つまたは2つの禁止エッジを持つ空間の行列の個数は2-29個と非常に少ない。
真の値Qikと推定値Qikの絶対誤差は小さい傾向にある。