Graphical Assistant Grouped Network Autoregression Model: a Bayesian Nonparametric Recourse
图结构辅助的分组网络自回归模型：贝叶斯非参数方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究社交网络图上的时间序列及分组网络自回归模型，文本直接支持网络与干扰以及时间序列两项分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
图结构辅助的分组网络自回归模型：贝叶斯非参数方法
- 研究问题
- 对于社交网络图上的时间序列，如何同时估计潜在分组数量、成员归属和组别参数，并利用图信息辅助统计推断？
- 方法与思路
- 作者在网络自回归框架中引入图结构辅助的中国餐馆过程，构建贝叶斯分组模型，并通过 MCMC 算法进行后验抽样。
- 材料陈述的贡献
- 摘要称，该模型可联合估计分组信息与组别参数，并提供后验抽样算法；文章以有限样本研究及两个实际数据集展示方法。
- 阅读关注点
- 应核对图信息如何进入分组先验、组别参数和网络效应如何区分，以及后验抽样的收敛诊断与分组不确定性处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明识别条件、先验敏感性或实际数据结果，不能断言普遍改进。
原文摘要
Vector autoregression model is ubiquitous in classical time series data analysis. With the rapid advance of social network sites, time series data over latent graph is becoming increasingly popular. In this paper, we develop a novel Bayesian grouped network autoregression model to simultaneously estimate group information (number of groups and group configurations) and group-wise parameters. Specifically, a graphically assisted Chinese restaurant process is incorporated under framework of the network autoregression model to improve the statistical inference performance. An efficient Markov chain Monte Carlo sampling algorithm is used to sample from the posterior distribution. Extensive studies are conducted to evaluate the finite sample performance of our proposed methodology. Additionally, we analyze two real datasets as illustrations of the effectiveness of our approach.