Event history analysis of dynamic networks
动态网络的事件史分析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：摘要直接以动态有向网络、节点互动及网络依赖为研究对象，因而归入网络方向，但未宣称识别干扰效应。
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…
动态网络的事件史分析
- 研究问题
- 对节点间带有时间戳的有向互动，如何刻画其事件发生历史，并在统计估计中考虑动态网络中的依赖结构？
- 方法与思路
- 作者用多元计数过程表示动态有向网络，以伪偏似然方法处理网络依赖结构，并开展渐近分析与数值实验。
- 材料陈述的贡献
- 摘要称建立了所提方法的渐近结果，并通过数值实验展示其有效性，为动态网络互动的事件史分析提供方法。
- 阅读关注点
- 应核对互动强度模型、依赖结构的具体表达、伪偏似然的构造，以及渐近理论采用的样本量增长方式。
- 阅读边界
- 所给 Crossref 摘要未列明渐近结论、依赖限制或实验指标，不能据此判断方法对任意动态网络都有效。
原文摘要
Summary Statistical analysis on networks has received growing attention due to demand from various emerging applications. In dynamic networks, one of the key interests is to model the event history of time-stamped interactions among nodes. We model dynamic directed networks via multivariate counting processes. A pseudo partial likelihood approach is exploited to capture the network dependence structure. Asymptotic results are established. Numerical experiments are performed to demonstrate the effectiveness of our proposal.