Network representation using graph root distributions
利用图根分布表示网络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：摘要明确以网络数据和可交换随机图为对象，研究节点与连边概率的统计表示。
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
利用图根分布表示网络
- 研究问题
- 论文研究一大类可交换随机图能否用节点向量的抽样分布表示，以及这种表示的存在性、可识别性与估计问题。
- 方法与思路
- 作者将节点设为带不定内积线性空间中的独立随机向量，以节点内积表示连边概率，并定义相应的图根分布。
- 材料陈述的贡献
- 摘要称，提出可交换随机图子类的替代参数化，并研究表示的存在性、可识别性、分布之间的拓扑关系及估计。
- 阅读关注点
- 应核对可表示的随机图范围、内积作为概率的约束、可识别性的具体含义，以及拓扑关系和估计方法的定义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出具体定理条件或估计性质，不能推断所有可交换图均适用或表示完全唯一。
原文摘要
Exchangeable random graphs serve as an important probabilistic framework for the statistical analysis of network data. In this work, we develop an alternative parameterization for a large class of exchangeable random graphs, where the nodes are independent random vectors in a linear space equipped with an indefinite inner product, and the edge probability between two nodes equals the inner product of the corresponding node vectors. Therefore, the distribution of exchangeable random graphs in this subclass can be represented by a node sampling distribution on this linear space, which we call the graph root distribution. We study existence and identifiability of such representations, the topological relationship between the graph root distribution and the exchangeable random graph sampling distribution and estimation of graph root distributions.