A semiparametric extension of the stochastic block model for longitudinal networks
纵向网络随机区块模型的半参数扩展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：摘要直接研究个体互动事件、潜在群组和纵向网络结构，符合网络方向。
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…
纵向网络随机区块模型的半参数扩展
- 研究问题
- 如何在连续时间中建模个体之间反复发生的互动事件，同时识别潜在群组及群组组合所决定的时变互动强度？
- 方法与思路
- 作者以潜在群组驱动非齐次泊松互动过程，采用半参数变分 EM，分别以自适应直方图和核方法估计强度，并选择群组数。
- 材料陈述的贡献
- 摘要称模型可识别，并提出两种强度估计方案及基于积分分类似然的群组选择程序，用模拟和两个数据集展示方法。
- 阅读关注点
- 阅读全文时应核对可识别性条件、互动过程的依赖限制、变分近似误差，以及直方图分割、核带宽和群组数的选择方式。
- 阅读边界
- 仅据所给 OpenAlex 摘要；可识别性成立的具体条件、模拟比较结果及两组数据的细节均未说明，不能推断刊本变化。
原文摘要
We propose an extension of the stochastic block model for recurrent interaction events in continuous time, where every individual belongs to a latent group and conditional interactions between two individuals follow an inhomogeneous Poisson process with intensity driven by the individuals’ latent groups. We show that the model is identifiable and estimate it with a semiparametric variational expectation-maximization algorithm. We develop two versions of the method, one using a nonparametric histogram approach with an adaptive choice of the partition size, and the other using kernel intensity estimators. We select the number of latent groups by an integrated classification likelihood criterion. We demonstrate the performance of our procedure on synthetic experiments, analyse two datasets to illustrate the utility of our approach, and comment on competing methods.