...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and Its Interface >A local structure model for network analysis
【24h】

A local structure model for network analysis

机译：网络分析局部结构模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The statistical analysis of networks is a popular research topic with ever widening applications. Exponential random graph models (ERGMs), which specify a model through interpretable, global network features, are common for this purpose. In this paper we introduce a new class of models for network analysis, called local structure graph models (LSGMs). In contrast to an ERGM, a LSGM specifies a network model through local features and allows for an interpretable and controllable local dependence structure. In particular, LSGMs are formulated by a set of full conditional distributions for each network edge, e.g., the probability of edge presence/absence, depending on neighborhoods of other edges. Additional model features are introduced to aid in specification and to help alleviate a common issue (occurring also with ERGMs) of model degeneracy. The proposed models are demonstrated on a network of tornadoes in Arkansas where a LSGM is shown to perform significantly better than a model without local dependence.
机译：网络的统计分析是一个流行的研究主题，应用程序遍布。指数随机图模型（ERGMS）通过可解释的全局网络功能指定模型，对于此目的是常见的。在本文中，我们介绍了一个新的网络分析模型，称为本地结构图模型（LSGMS）。与ERGM相比，LSGM通过本地特征指定网络模型，并允许解释和可控的本地依赖结构。特别地，LSGMS由每个网络边缘的一组完整条件分布制定，例如，边缘存在/不存在的概率，具体取决于其他边缘的邻域。引入额外的模型功能以帮助规范，并帮助缓解模型退化的常见问题（也与ERGMS发生）。拟议的模型在阿肯色州的龙卷风网络上证明，其中LSGM被示出比没有本地依赖性的模型更好地执行。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号