Link prediction in ecological networks under extreme taxonomic bias
极端分类群偏差下的生态网络连接预测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：摘要明确研究网络连接预测和偏差校正，应用对象为生态网络。
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…
极端分类群偏差下的生态网络连接预测
- 研究问题
- 当生态互动数据主要来自少数物种研究时，如何减少连接预测的抽样偏差，并处理物种是否出现的不确定性及物种特征作用的异质性？
- 方法与思路
- 作者提出 COIL+ 潜在因子模型，跨物种借用信息，结合物种特征、系统发育与多项研究，并以特征匹配程序允许特征和互动关联异质。
- 材料陈述的贡献
- 摘要称，在非洲热带食果网络资料中，方法改善连接预测并减少抽样偏差，预测出大量可能但未观测的互动，尤其集中于采样不足的物种。
- 阅读关注点
- 应核对物种出现不确定性与采样偏差如何建模，训练和验证数据如何划分，以及预测互动的评价标准、基准比较和独立验证证据。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核验；新增连接属于模型预测，摘要未说明完整验证设计，不能把它们视为已观测的生态互动。
原文摘要
Ecological networks offer powerful insights into community function, but without first characterizing these networks accurately, our ability to detect and interpret changes under environmental stress is limited. We develop an approach to reduce bias in link prediction in the common scenario in which data are derived from studies focused on a small number of species. Our Extended Covariate-Informed Link Prediction (COIL+) framework employs a latent factor model that flexibly borrows information across species, incorporates species traits and phylogeny, and leverages information from multiple studies to address uncertainty in species occurrence. We also propose a trait-matching procedure that allows heterogeneity in species-level trait-interaction associations. We illustrate the approach with a literature-based dataset of 268 sources reporting Afrotropical frugivory and compare performance with and without correction for occurrence uncertainty. COIL+ substantially improves link prediction and reduces sampling bias, revealing 5637 likely but unobserved frugivory interactions (a median of nine additional interactions per frugivore). Newly predicted interactions are concentrated among poorly sampled frugivores, such as the water chevrotain (Hyemoschus aquaticus, a small forest-dwelling ungulate) and the rufous-bellied helmetshrike (Prionops rufiventris, a passerine bird of East African tropical forests). Additionally, the method improves model discrimination compared to existing methods under strong taxonomic bias and narrow study focus. This framework generalizes to diverse network contexts and provides a useful tool for link prediction in the face of biased interaction data.