Change Point Detection on A Separable Model for Dynamic Networks
动态网络可分离模型的变点检测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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接建模含节点属性及节点对依赖的动态网络，并检测网络模型参数的多个变化时点，对应网络与结构变化方法。
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…
动态网络可分离模型的变点检测
- 研究问题
- 对于同时存在节点对依赖和时间依赖的动态网络，如何无监督地识别多个参数变化时点，以定位网络生成机制的结构变化？
- 方法与思路
- 作者使用可分离时间指数族随机图模型描述网络，以网络统计量和节点属性表示结构，并结合组融合 Lasso 与 ADMM 估计变点。
- 材料陈述的贡献
- 摘要提出同时检测多个网络参数变化时点的估计框架，报告模拟和真实数据中的良好表现，并提供 CPDstergm 软件包。
- 阅读关注点
- 应核对网络形成与消失过程的可分离设定、惩罚强度和变点定位规则，以及 ADMM 收敛、依赖处理和比较实验设置。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明检测一致性、定位误差或应用数值，良好表现仅属作者概述。
原文摘要
This paper studies the unsupervised change point detection problem in time series of networks using the Separable Temporal Exponential-family Random Graph Model (STERGM). Inherently, dynamic network patterns are complex due to dyadic and temporal dependence, and change points detection can identify the discrepancies in the underlying data generating processes to facilitate downstream analysis. In particular, the STERGM that utilizes network statistics and nodal attributes to represent the structural patterns is a flexible and parsimonious model to fit dynamic networks. We propose a new estimator derived from the Alternating Direction Method of Multipliers (ADMM) procedure and Group Fused Lasso (GFL) regularization to simultaneously detect multiple time points where the parameters of a time-heterogeneous STERGM have shifted. Experiments on both simulated and real data show good performance of the proposed framework, and an R package CPDstergm is developed to implement the method.