Bayesian Markov-Switching Tensor Regression for Time-Varying Networks
用于时变网络的贝叶斯马尔可夫切换张量回归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：摘要明确建模多层网络时间序列，并以马尔可夫切换刻画突发结构变化，直接对应网络、时间序列和结构变化。
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…
用于时变网络的贝叶斯马尔可夫切换张量回归
- 研究问题
- 如何同时刻画多层网络时间序列中的稀疏连接、突发结构变化，以及外部因素对不同边和不同时点的异质影响？
- 方法与思路
- 作者结合零膨胀逻辑回归、马尔可夫切换系数及张量分解，构造张量对张量回归，并用贝叶斯 Gibbs 抽样近似后验。
- 材料陈述的贡献
- 摘要称模型同时处理网络稀疏性、结构切换与高维异质效应，并在金融及邮件网络应用中识别连接状态和协变量的作用。
- 阅读关注点
- 应核对状态切换与系数的识别、张量秩及先验选择、零膨胀结构的解释，以及抽样收敛和连接状态识别的稳健性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；协变量作用不自动具有因果含义，摘要也未给出风险管理效果的验证。
原文摘要
Modeling time series of multilayer network data is challenging due to the peculiar characteristics of real-world networks, such as sparsity and abrupt structural changes. Moreover, the impact of external factors on the network edges is highly heterogeneous due to edge- and time-specific effects. Capturing all these features results in a very high-dimensional inference problem. A novel tensor-on-tensor regression model is proposed, which integrates zero-inflated logistic regression to deal with the sparsity, and Markov-switching coefficients to account for structural changes. A tensor representation and decomposition of the regression coefficients are used to tackle the high-dimensionality and account for the heterogeneous impact of the covariate tensor across the response variables. The inference is performed following a Bayesian approach, and an efficient Gibbs sampler is developed for posterior approximation. Our methodology applied to financial and email networks detects different connectivity regimes and uncovers the role of covariates in the edge-formation process, which are relevant in risk and resource management. Code is available on GitHub. Supplementary materials for this article are available online.