Testing network correlation efficiently via counting trees
通过树计数高效检验网络相关性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。
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：摘要直接研究潜在顶点对应下的网络边相关性检验，属于网络统计方向。
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…
通过树计数高效检验网络相关性
- 研究问题
- 当两个网络的顶点对应关系不可观测时，如何检验其边是否相关，并兼顾统计辨别能力、计算成本与图的稀疏程度？
- 方法与思路
- 作者对一族非同构树统计带符号树的共同出现次数，构造检验统计量，并在独立或相关的 Erdős–Rényi 图模型下分析。
- 材料陈述的贡献
- 摘要称检验在所述条件下以高概率成功，并相较既有工作改善统计准确性、运行时间及可处理的图稀疏程度。
- 阅读关注点
- 应核对原 PDF 中复杂度、稀疏度与相关阈值的完整排版，以及树族选择、潜在顶点对应和成功概率的具体定义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。复杂度和阈值表达存在疑似上下标丢失，须查原 PDF，不能重构公式或推断更一般网络的结论。
原文摘要
We propose a new procedure for testing whether two networks are edge-correlated through some latent vertex correspondence. The test statistic is based on counting the cooccurrences of signed trees for a family of nonisomorphic trees. When the two networks are Erdős–Rényi random graphs G(n,q) that are either independent or correlated with correlation coefficient ρ, our test runs in n2+o(1) time and succeeds with high probability as n→∞, provided that nmin{q,1−q}≥n−o(1) and ρ2>α≈0.338, where α is Otter’s constant so that the number of unlabeled trees with K edges grows as (1/α)K. This significantly improves the prior work in terms of statistical accuracy, running time and graph sparsity.