論文の概要: Disentangling homophily, community structure and triadic closure in networks

• arxiv url: http://arxiv.org/abs/2101.02510v2
• Date: Sun, 10 Jan 2021 20:53:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 17:12:17.727099
• Title: Disentangling homophily, community structure and triadic closure in networks
• Title（参考訳）: ネットワークにおける異端性ホモフィリ、コミュニティ構造、および三進的閉鎖
• Authors: Tiago P. Peixoto
• Abstract要約: 類似したノードが接続される傾向であるネットワークホモフィリシスと、共通の隣接ノードを共有する場合に接続される2つのノードの推移性は、ネットワーク分析において複雑化される特性である。 両機構を区別可能な生成モデルとそれに対応する推論手順を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Network homophily, the tendency of similar nodes to be connected, and transitivity, the tendency of two nodes being connected if they share a common neighbor, are conflated properties in network analysis, since one mechanism can drive the other. Here we present a generative model and corresponding inference procedure that is capable of distinguishing between both mechanisms. Our approach is based on a variation of the stochastic block model (SBM) with the addition of triadic closure edges, and its inference can identify the most plausible mechanism responsible for the existence of every edge in the network, in addition to the underlying community structure itself. We show how the method can evade the detection of spurious communities caused solely by the formation of triangles in the network, and how it can improve the performance of link prediction when compared to the pure version of the SBM without triadic closure.
• Abstract（参考訳）: ネットワークホモフィリー(英語版)、類似ノードの接続傾向、推移性(英語版)、共通隣ノードを共有する場合の2ノードの接続傾向は、一方のメカニズムが他方を駆動できるため、ネットワーク解析において共役特性である。 本稿では、両方のメカニズムを区別できる生成モデルとそれに対応する推論手順を提案する。 提案手法は, 3次元閉包エッジを付加した確率ブロックモデル(SBM)のバリエーションに基づいており, その推論により, ネットワーク内のすべてのエッジの存在に寄与する最も確実なメカニズムを, 基礎となるコミュニティ構造に加えて同定することができる。 本手法は,ネットワーク内の三角形の形成に起因した急激なコミュニティの検出を回避し,三進的閉鎖を伴わないSBMの純粋なバージョンと比較してリンク予測性能を向上させる方法を示す。

関連論文リスト

• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Exploring the Local Landscape in the Triangle Network [1.3514953384460016]
  三角ネットワークの局所的(古典的な)分布の集合の内部近似について検討する。 非局所的なように見える量子分布はエレガント関節計測(EJM)である 解析とニューラルネットワークに基づく内的近似の間には,顕著な一致がある。 我々の結果は、EJMが非局所であるという予想を大幅に強化する。
  論文  参考訳（メタデータ） (2024-05-14T20:09:35Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Joint Bayesian Inference of Graphical Structure and Parameters with a Single Generative Flow Network [59.79008107609297]
  本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。 サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。 パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
  論文  参考訳（メタデータ） (2023-05-30T19:16:44Z)
• A pseudo-likelihood approach to community detection in weighted networks [4.111899441919165]
  本研究では,通常分布するエッジ重みを持つネットワークに対して,擬似的なコミュニティ推定アルゴリズムを提案する。 提案手法により得られた推定値が均質ネットワークの仮定の下で一貫したものであることを証明した。 シミュレーションネットワークとfMRIデータセットで、エッジウェイトは脳領域間の接続を表現している。
  論文  参考訳（メタデータ） (2023-03-10T13:36:10Z)
• The Influence of Network Structural Preference on Node Classification and Link Prediction [0.0]
  本研究は,新しい機能抽象化手法,すなわちTransition Probabilities Matrix (TPM)を導入する。 提案手法は,3つの実世界のネットワーク上でノード識別・分類・リンク予測を行った。
  論文  参考訳（メタデータ） (2022-08-07T12:56:28Z)
• Perfect Spectral Clustering with Discrete Covariates [68.8204255655161]
  本稿では,大規模なスパースネットワークのクラスにおいて,高い確率で完全クラスタリングを実現するスペクトルアルゴリズムを提案する。 本手法は,スペクトルクラスタリングによる一貫した潜在構造回復を保証する最初の方法である。
  論文  参考訳（メタデータ） (2022-05-17T01:41:06Z)
• Link Prediction with Contextualized Self-Supervision [63.25455976593081]
  リンク予測は、ネットワーク内の2つのノード間のリンクの存在を推測することを目的としている。 従来のリンク予測アルゴリズムは、リンク空間、ノード属性ノイズ、ネットワークダイナミクスという3つの大きな課題によって妨げられている。 本稿では,リンク予測のための構造的コンテキスト予測を完全に活用する,コンテキスト適応型自己監視学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-25T03:12:32Z)
• Localisation in quasiperiodic chains: a theory based on convergence of local propagators [68.8204255655161]
  局所プロパゲータの収束に基づく準周期鎖に最も近いホッピングを持つ局所化の理論を提示する。 これらの連続分数の収束、局所化、あるいはその欠如を分析することは可能であり、それによって臨界点とモビリティエッジが帰結する。 結果は、振る舞いの範囲をカバーする3つの準周期モデルの理論を分析することで実証される。
  論文  参考訳（メタデータ） (2021-02-18T16:19:52Z)
• Emergent entanglement structures and self-similarity in quantum spin chains [0.0]
  我々は,多体量子状態に対する実験的にアクセス可能なネットワーク表現を,その構成成分のすべての対間の絡み合いに基づいて導入する。 この表現のパワーを、パラダイム的スピンチェーンモデル、XXモデルに適用し、それが軽い新しい現象をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-07-14T12:13:29Z)
• Consistency of Spectral Clustering on Hierarchical Stochastic Block Models [5.983753938303726]
  実世界のネットワークにおけるコミュニティの階層構造について,汎用ブロックモデルを用いて検討する。 本手法の強い一貫性を,幅広いモデルパラメータで証明する。 既存のほとんどの研究とは異なり、我々の理論は接続確率が桁違いに異なるかもしれないマルチスケールネットワークをカバーしている。
  論文  参考訳（メタデータ） (2020-04-30T01:08:59Z)

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。