Motif estimation via subgraph sampling: The fourth-moment phenomenon
通过子图抽样估计网络模体：四阶矩现象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：摘要明确研究网络子图抽样、模体计数及其统计推断，直接对应网络方法。
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…
通过子图抽样估计网络模体：四阶矩现象
- 研究问题
- 研究无法遍历大型网络时，如何根据抽样得到的诱导子图估计边、三角形和楔形等模体总数并开展统计推断。
- 方法与思路
- 作者在顶点独立抽样的模型下研究自然的 Horvitz–Thompson 估计量，分析其一致性、渐近正态性和标准化四阶矩。
- 材料陈述的贡献
- 摘要称给出一致性与渐近正态性的充要条件，揭示四阶矩趋于三的正态极限现象，并求得多类图模型的精确阈值。
- 阅读关注点
- 应核对抽样概率和图规模的渐近设定、四阶矩结论的适用条件，以及不同模体和图模型下阈值如何变化。
- 阅读边界
- 仅据版本未注明的索引摘要；结论针对顶点独立抽样，不能直接推广至其他网络采样机制或因果干扰问题。
原文摘要
Network sampling is an indispensable tool for understanding features of large complex networks where it is practically impossible to search over the entire graph. In this paper, we develop a framework for statistical inference for counting network motifs, such as edges, triangles and wedges, in the widely used subgraph sampling model, where each vertex is sampled independently, and the subgraph induced by the sampled vertices is observed. We derive necessary and sufficient conditions for the consistency and the asymptotic normality of the natural Horvitz–Thompson (HT) estimator, which can be used for constructing confidence intervals and hypothesis testing for the motif counts based on the sampled graph. In particular, we show that the asymptotic normality of the HT estimator exhibits an interesting fourth-moment phenomenon, which asserts that the HT estimator (appropriately centered and rescaled) converges in distribution to the standard normal whenever its fourth-moment converges to 3 (the fourth-moment of the standard normal distribution). As a consequence, we derive the exact thresholds for consistency and asymptotic normality of the HT estimator in various natural graph ensembles, such as sparse graphs with bounded degree, Erdős–Rényi random graphs, random regular graphs and dense graphons.