Attractor-Based Coevolving Dot Product Random Graph Model
基于吸引子的共同演化随机点积图模型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：摘要研究节点邻居关系、组别影响及动态网络中的极化和群聚行为。
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
基于吸引子的共同演化随机点积图模型
- 研究问题
- 动态网络中的节点为何呈现极化或群聚行为，如何用同组与异组邻居的影响刻画其潜在位置随时间的变化？
- 方法与思路
- 作者在随机点积图中设置节点组别，以同组和异组邻居潜在位置的中心作为两个吸引子，建立位置演化模型。
- 材料陈述的贡献
- 摘要称提出量化两类吸引子影响的动态网络框架，构造参数估计量，并在特定假设下证明一致性与收敛速率。
- 阅读关注点
- 应核对位置演化方程、组别信息的取得方式、潜在位置与影响参数的可识别性，以及一致性所需的网络条件。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实；摘要未列出具体假设和速率，吸引子影响参数也不能直接视为因果效应。
原文摘要
We introduce the attractor-based coevolving dot product random graph model (ABCDPRGM) to analyze time-series network data manifesting polarizing or flocking behavior. Graphs are generated based on latent positions under the random dot product graph regime. We assign group membership to each node. When evolving through time, the latent position of each node will change based on its current position and two attractors, which are defined to be the centers of the latent positions of all of its neighbors who share its group membership or who have different group membership than it. Parameters are assigned to the attractors to quantify the amount of influence that the attractors have on the trajectory of the latent position of each node. We developed estimators for the parameters, demonstrated their consistency, and established convergence rates under specific assumptions. Through the ABCDPRGM, we provided a novel framework for quantifying and understanding the underlying forces influencing the polarizing or flocking behaviors in dynamic network data.