A goodness-of-fit test for stochastic block models
随机区块模型的拟合优度检验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：摘要直接研究网络邻接矩阵、社区结构及社区数量检验，因此归入网络方向，未涉及因果干扰效应。
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
随机区块模型的拟合优度检验
- 研究问题
- 如何检验随机区块模型能否描述网络中的社区结构，并利用检验结果估计网络所包含的社区数量？
- 方法与思路
- 作者从邻接矩阵中减去估计的区块均值，以残差矩阵的最大奇异值构造统计量，并用随机矩阵理论推导零分布。
- 材料陈述的贡献
- 摘要称获得了渐近零分布、针对更细结构备择的完全功效结果，并由此构造社区数量的一致序贯检验估计。
- 阅读关注点
- 应核对网络生成条件、区块均值估计误差的处理、较细结构备择的定义，以及序贯检验一致性所需的条件。
- 阅读边界
- 索引摘要未注明版本，也未列出稀疏度、社区规模或增长条件；不能据此判断任意网络上的检验有效性。
原文摘要
The stochastic block model is a popular tool for studying community structures in network data. We develop a goodness-of-fit test for the stochastic block model. The test statistic is based on the largest singular value of a residual matrix obtained by subtracting the estimated block mean effect from the adjacency matrix. Asymptotic null distribution is obtained using recent advances in random matrix theory. The test is proved to have full power against alternative models with finer structures. These results naturally lead to a consistent sequential testing estimate of the number of communities.