Estimating network edge probabilities by neighbourhood smoothing
通过邻域平滑估计网络连边概率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：摘要直接研究邻接矩阵、网络连边概率、链接预测及网络去噪。
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
通过邻域平滑估计网络连边概率
- 研究问题
- 如何从观测邻接矩阵直接估计各节点对的连边概率，用于缺失链接预测和网络去噪，并减少对 graphon 结构识别的依赖？
- 方法与思路
- 作者提出计算高效的邻域平滑方法，直接估计邻接矩阵的期望，而不采用 graphon 估计所需的那些结构假设，且调参需求较少。
- 材料陈述的贡献
- 摘要称，该方法具有有竞争力的均方误差收敛率，并在模拟和真实网络的链接预测中优于多种基准方法，计算效率也较高。
- 阅读关注点
- 应核对邻域的构造方式、误差率所需的网络条件，以及调参规则、缺失链接处理和模拟及真实网络中的比较设计。
- 阅读边界
- 仅据所给 Crossref 摘要；所需网络条件、误差率形式和比较数值未说明，不依赖特定 graphon 假设不代表完全无假设。
原文摘要
Summary The estimation of probabilities of network edges from the observed adjacency matrix has important applications to the prediction of missing links and to network denoising. It is usually addressed by estimating the graphon, a function that determines the matrix of edge probabilities, but this is ill-defined without strong assumptions on the network structure. Here we propose a novel computationally efficient method, based on neighbourhood smoothing, to estimate the expectation of the adjacency matrix directly, without making the structural assumptions that graphon estimation requires. The neighbourhood smoothing method requires little tuning, has a competitive mean squared error rate and outperforms many benchmark methods for link prediction in simulated and real networks.