Cluster Inference by using Transitivity Indices in Empirical Graphs
利用经验图传递性指标进行聚类推断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：摘要直接使用随机图和经验图传递性研究对象间关系与聚类，支持网络方向，但未涉及因果干扰效应。
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…
关注这篇论文的作者
利用经验图传递性指标进行聚类推断
- 研究问题
- 当对象来自未知的聚类结构，且观测到对象之间的相似性时，如何借助经验图中的传递性指标推断潜在聚类？
- 方法与思路
- 作者为抽样对象之间的相似性建立随机图模型，研究该模型，并考察若干常用经验图传递性指标如何支持聚类推断。
- 材料陈述的贡献
- 摘要提出连接对象相似性、随机图和未知聚类结构的统计框架，并说明常用传递性指标可用于聚类结构的推断。
- 阅读关注点
- 应核对相似性如何生成图、随机图的依赖设定、传递性指标的定义，以及从指标推断聚类结构所需条件和不确定性处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体图模型与推断性质未说明，不能将聚类推断扩展为社会网络效应或干扰识别。
原文摘要
A random graph model is introduced for similarities observed between the objects sampled from an unknown cluster structure. We investigate this model and show how some common transitivity indices in empirical graphs can be used for making statistical inferences about cluster structures.