Khái niệm cốt lõi
重み付きネットワークにおける最適なコミュニティ数を決定する新しい逐次検定手法を提案する。この手法は、完全な尤度モデリングを必要とせず、次数補正確率ブロックモデルと分散プロファイル行列スケーリングを用いて、ノードを段階的にクラスタリングし、テスト統計量を計算することで、コミュニティ構造を効果的に明らかにする。
Tóm tắt
重み付き次数補正確率ブロックモデルにおけるコミュニティ数の選択
この論文は、重み付きネットワークにおける最適なコミュニティ数を決定する新しい逐次検定手法を提案する研究論文である。
重み付きネットワークにおいて、完全な尤度モデリングを用いずにコミュニティ数を効果的に選択する手法を開発する。
重み付き次数補正確率ブロックモデル(DCSBM): 標準的なDCSBMを拡張し、重み付きネットワークの平均隣接行列をモデル化する。エッジの重みは、対応する平均値の関数としてモデル化される。
段階的DCSBMフィッティング: コミュニティ数の候補を1つずつ増やしながら、重み付きDCSBMを段階的にフィッティングしていく。各ステップでは、SCOREなどのスペクトラルクラスタリングを用いてノードをグループ化する。
分散プロファイル行列スケーリング: 推定された分散プロファイル行列に行列スケーリングを行い、隣接行列を正規化するスケーリング係数を取得する。
スペクトル検定統計量: 正規化された隣接行列から検定統計量を計算し、コミュニティ数を推定する。