論文の概要: Revealing consensus and dissensus between network partitions

• arxiv url: http://arxiv.org/abs/2005.13977v5
• Date: Wed, 21 Apr 2021 22:26:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-27 04:53:44.194987
• Title: Revealing consensus and dissensus between network partitions
• Title（参考訳）: ネットワーク分割間のコンセンサスと不一致の解消
• Authors: Tiago P. Peixoto
• Abstract要約: コミュニティ検出手法は、ネットワークを同様の特性を持つノードのグループに分割し、その大規模構造を明らかにする。 分布全体を要約する単一分割「ポイント推定」という形で、それらの間のコンセンサスを確立するための多くの方法が存在する。 ここでは、一般に、基底分布が不均一すぎるとき、そのような点から一貫した答えを得ることはできないことを示す。 我々は,分割の複雑な集団を,既存のコンセンサスだけでなく,人口の要素間の不一致を捉える方法で特徴付け,要約するために設計された,包括的手法のセットを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Community detection methods attempt to divide a network into groups of nodes that share similar properties, thus revealing its large-scale structure. A major challenge when employing such methods is that they are often degenerate, typically yielding a complex landscape of competing answers. As an attempt to extract understanding from a population of alternative solutions, many methods exist to establish a consensus among them in the form of a single partition "point estimate" that summarizes the whole distribution. Here we show that it is in general not possible to obtain a consistent answer from such point estimates when the underlying distribution is too heterogeneous. As an alternative, we provide a comprehensive set of methods designed to characterize and summarize complex populations of partitions in a manner that captures not only the existing consensus, but also the dissensus between elements of the population. Our approach is able to model mixed populations of partitions where multiple consensuses can coexist, representing different competing hypotheses for the network structure. We also show how our methods can be used to compare pairs of partitions, how they can be generalized to hierarchical divisions, and be used to perform statistical model selection between competing hypotheses.
• Abstract（参考訳）: コミュニティ検出手法は、ネットワークを同様の特性を持つノードのグループに分割し、その大規模構造を明らかにする。 このような方法を採用する際の大きな課題は、しばしば退化し、典型的には競合する答えの複雑な景観を生み出すことである。 代替解の集団から理解を引き出す試みとして、分布全体を要約する単一の分割「点推定」という形でそれらの間のコンセンサスを確立する多くの方法が存在する。 ここでは,基本分布が不均一すぎる場合に,そのような点推定から一貫した回答を得ることは一般に不可能であることを示す。 その代わりとして,既存のコンセンサスだけでなく,集団の要素間の不一致を捉えながら,複雑な分割の集団を特徴付け,要約する包括的手法を提案する。 我々のアプローチは、複数のコンセンサスが共存可能な分割の混合集団をモデル化し、ネットワーク構造に対する異なる競合仮説を表現できる。 また,これらの手法を用いて分割のペアを比較し,階層的分割に一般化し,競合する仮説間の統計的モデル選択を行う方法を示す。

関連論文リスト

• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Generative models for two-ground-truth partitions in networks [0.0]
  クロスブロックモデルは、単一のベンチマークネットワークのメソスケール構造に2つの異なるパーティションを構築することができる。 本稿では,ブロックモデルのパワーを指標として,両コミュニティとコア周辺構造の存在を暗黙的に検出することで,ベンチマークモデルのユースケースを実証する。 我々の発見は、ほとんどのケースにおいて、他のパーティションが存在する場合でも、何らかの方法で、支配的な構造を検出できるのは1つだけであることを示唆している。
  論文  参考訳（メタデータ） (2023-02-06T14:02:28Z)
• Is it easier to count communities than find them? [82.90505487525533]
  コミュニティ構造が異なるモデル間の仮説テスト問題について考察する。 2つの選択肢間のテストは、コミュニティを見つけるのと同じくらい難しいことを示しています。
  論文  参考訳（メタデータ） (2022-12-21T09:35:19Z)
• Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects [92.80955339180119]
  メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。 これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-02T07:00:53Z)
• Implicit models, latent compression, intrinsic biases, and cheap lunches in community detection [0.0]
  コミュニティ検出は、ネットワークをノードのクラスタに分割して、その大規模な構造を要約することを目的としている。 いくつかのコミュニティ検出手法は、確率的生成モデルを通じてクラスタリングの目的を明示的に導出する。 他の方法は記述的であり、特定のアプリケーションによって動機付けられた目的に応じてネットワークを分割する。 本稿では,コミュニティ検出対象,推論対象,記述対象とそれに対応する暗黙的ネットワーク生成モデルとを関連付けるソリューションを提案する。
  論文  参考訳（メタデータ） (2022-10-17T15:38:41Z)
• Exact Recovery in the General Hypergraph Stochastic Block Model [92.28929858529679]
  本稿では,d-uniform hypergraph block model(d-HSBM)の正確な回復の基本的な限界について検討する。 精度の高いしきい値が存在し、正確な回復がしきい値の上に達成でき、その下には不可能であることを示す。
  論文  参考訳（メタデータ） (2021-05-11T03:39:08Z)
• Partition-based formulations for mixed-integer optimization of trained ReLU neural networks [66.88252321870085]
  本稿では,訓練されたReLUニューラルネットワークのための混合整数式について紹介する。 1つの極端な場合、入力毎に1つのパーティションがノードの凸殻、すなわち各ノードの最も厳密な可能な定式化を回復する。
  論文  参考訳（メタデータ） (2021-02-08T17:27:34Z)
• Statistical inference of assortative community structures [0.0]
  本研究では,非パラメトリックなベイズ型分割モデルの定式化に基づいて,ネットワーク内のコンソーシアティブなコミュニティを推定する手法を開発した。 我々は,提案手法が解決限界に達していないことを示し,任意に多数のコミュニティを発見できることを示した。
  論文  参考訳（メタデータ） (2020-06-25T15:44:05Z)
• Almost-Matching-Exactly for Treatment Effect Estimation under Network Interference [73.23326654892963]
  本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。 本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
  論文  参考訳（メタデータ） (2020-03-02T15:21:20Z)
• Automated extraction of mutual independence patterns using Bayesian comparison of partition models [7.6146285961466]
  相互独立は、変数間の構造的関係を特徴づける統計学における重要な概念である。 相互独立を調査するための既存の手法は、2つの競合するモデルの定義に依存している。 本稿では,マルコフ連鎖モンテカルロ(MCMC)アルゴリズムを提案し,相互独立性のすべてのパターンの空間上の後部分布を数値的に近似する。
  論文  参考訳（メタデータ） (2020-01-15T16:21:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。