Exchangeable Random Measures for Sparse and Modular Graphs with Overlapping Communities
用于稀疏且具有重叠社区结构图的可交换随机测度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：摘要直接研究稀疏网络、重叠社区及节点归属，符合网络建模方向。
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…
用于稀疏且具有重叠社区结构图的可交换随机测度
- 研究问题
- 如何同时刻画网络的稀疏性与重叠社区结构，并为节点的多重社区归属提供可解释参数及可扩展的统计推断？
- 方法与思路
- 作者将图表示为可交换点过程，以完全随机测度向量构造节点的潜在社区归属，并开发随机图模拟和后验推断方法。
- 材料陈述的贡献
- 摘要称，该模型把重叠分块模型推广至稀疏情形，可恢复真实网络中的可解释结构，并处理数千节点及数万边的图。
- 阅读关注点
- 应核对稀疏性的定义、社区归属参数的可识别性、后验算法的计算代价，以及真实网络结构解释和规模测试的依据。
- 阅读边界
- 仅据所给 Crossref 摘要；未提供稀疏性定理条件、推断误差或完整比较，所述处理规模不能保证任意网络上的性能。
原文摘要
Summary We propose a novel statistical model for sparse networks with overlapping community structure. The model is based on representing the graph as an exchangeable point process and naturally generalizes existing probabilistic models with overlapping block structure to the sparse regime. Our construction builds on vectors of completely random measures and has interpretable parameters, each node being assigned a vector representing its levels of affiliation to some latent communities. We develop methods for efficient simulation of this class of random graphs and for scalable posterior inference. We show that the approach proposed can recover interpretable structure of real world networks and can handle graphs with thousands of nodes and tens of thousands of edges.