Moment-Based Estimation of Diffusion and Adoption Parameters in Networks
网络扩散与采纳参数的矩估计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：题名与摘要明确涉及潜在网络扩散和采纳模型的参数估计，支持网络与结构估计分类。
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…
关注这篇论文的作者
网络扩散与采纳参数的矩估计
- 研究问题
- 在信号传播不可观测、采纳仅部分可观测的网络模型中，如何避免最大似然对大量潜变量的积分负担，同时保留较长时间范围的信息？
- 方法与思路
- 题名指向基于矩的参数估计，摘要提出两种专为部分观测采纳与不可观测扩散模型设计的估计量，但没有说明具体矩条件和算法。
- 材料陈述的贡献
- 摘要明确提出两种替代估计量以应对网络扩散模型最大似然计算不可行的问题，尚未陈述其一致性、效率或实际计算表现。
- 阅读关注点
- 应核对两种估计量的矩条件与识别来源、网络和时间维度的渐近框架，以及相对最大似然的计算成本、信息损失和统计性质。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要部分句子不完整，未提供估计量定义、理论结果或比较证据，无法判断效果。
原文摘要
According to standard econometric theory, Maximum Likelihood estimation (MLE) is the efficient estimation choice, however, it is not always a feasible one. In network diffusion models with unobserved signal propagation, MLE requires integrating out a large number of latent variables, which quickly becomes computationally infeasible even for moderate network sizes and time horizons. Limiting the model time horizon on the other hand entails loss of important information while approximation techniques entail a (small) error that. Searching for a viable alternative is thus potentially highly beneficial. This paper proposes two estimators specifically tailored to the network diffusion model of partially observed adoption and unobserved network diffusion.