Moment-Integrated Bias-Adjusted Spectral Method for Community Detection in Multi-Layer Networks
多层网络社区检测的矩整合与偏差调整谱方法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。
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：摘要明确研究多层网络的社区结构与网络信息整合，并提供贸易网络应用。
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
多层网络社区检测的矩整合与偏差调整谱方法
- 研究问题
- 当单层网络信息不足时，如何自适应整合多层网络的一阶与二阶矩，并修正异方差噪声以识别整体社区结构？
- 方法与思路
- 作者在多层随机区块模型下提出 SpecMBA 谱方法，用参数整合邻接矩阵的两类矩、调整噪声偏差，并按似然选择参数。
- 材料陈述的贡献
- 摘要称在温和条件下建立社区检测一致性，数值研究支持多种场景中的竞争性表现，并应用于国际食品贸易网络。
- 阅读关注点
- 应核对矩整合与偏差调整的具体构造、调参准则、不同层的信号关系，以及一致性所需的网络稀疏度和社区条件。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；温和条件、误分类率及贸易网络发现未说明，不能推断对任意多层网络均有性能保证。
原文摘要
To detect the global community structure of multi-layer networks, individual layers might not provide sufficient information. It is of vital importance to effectively complement the information from the network data. In this paper, under the framework of multi-layer stochastic block model, a Spectral method with Moments integration and Bias Adjustment (SpecMBA) is proposed for community detection. The key distinguishing feature of SpecMBA is the adaptive integration of both the first and second moments of adjacency matrices with a hyperparameter α∈[−1,∞), which overcomes the limitations of fixed-form aggregation. Furthermore, SpecMBA adjusts for the bias caused by noise heteroskedasticity to mitigate signal distortion. In addition, a data-driven likelihood-based approach is proposed to select the optimal α. This adaptive aggregation ensures robust and competitive performance across diverse scenarios, which has been confirmed in the numerical studies. Under mild conditions, the community detection consistency for SpecMBA is established. The application on the international food trading network reveals interesting findings.