A two-way heterogeneity model for dynamic networks
动态网络的双重异质性模型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：摘要直接研究动态网络中的连接形成、连接保留及节点异质性估计。
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…
动态网络的双重异质性模型
- 研究问题
- 如何同时刻画动态网络中节点形成连接的倾向和保留既有连接的倾向，并在节点与网络观测数量变化时可靠估计？
- 方法与思路
- 作者为每个节点设置连接形成和连接保留两个参数，以矩估计初始化算法，利用局部凸性处理似然的全局非凸问题。
- 材料陈述的贡献
- 摘要称建立了局部极大似然估计的相合性与误差上界，并推导新的统一偏差界，另以模拟和真实网络数据支持模型用途。
- 阅读关注点
- 应核对网络转移机制、参数可识别性、局部凸性成立区域，以及初始化进入该区域和渐近误差界所需的条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未列出完整依赖条件、参数限制与误差界，不能将局部估计结果理解为全局优化保证。
原文摘要
Analysis of networks that evolve dynamically requires the joint modelling of individual snapshots and time dynamics. This paper proposes a new flexible two-way heterogeneity model towards this goal. The new model equips each node of the network with two heterogeneity parameters, one to characterize the propensity to form ties with other nodes statically and the other to differentiate the tendency to retain existing ties over time. With n observed networks each having p nodes, we develop a new asymptotic theory for the maximum likelihood estimation of 2p parameters when np→∞. We overcome the global nonconvexity of the negative log-likelihood function by the virtue of its local convexity, and propose a novel method of moment estimator as the initial value for a simple algorithm that leads to the consistent local maximum likelihood estimator (MLE). To establish the upper bounds for the estimation error of the MLE, we derive a new uniform deviation bound, which is of independent interest. The theory of the model and its usefulness are further supported by extensive simulation and the analysis of some real network data sets.