社交网络中潜在位置聚类模型的贝叶斯模型选择
摘要：潜在位置聚类模型是统计分析网络数据的一种流行模型。该方法假设存在一个潜在空间，其中的行为者遵循有限混合分布。此外，在这个潜在空间中接近的行为者倾向于通过边相连。这是一种吸引人的方法，因为它允许模型对行为者进行聚类，从而为从业者提供有用的定性信息。然而，探索混合分布中潜在成分数量的不确定性是一项非常复杂的任务。目前最先进的方法是使用近似BIC，其中使用了对数似然的近似形式，而不是不可用的真实对数似然。本文的主要贡献是通过使用共轭先验分布来分析积掉几乎所有模型参数，得到一个后验分布，该分布取决于混合模型的分配向量。这意味着可以在混合分布的潜在成分数量上进行后验推断，而无需使用可逆跳跃MCMC等跨维度MCMC算法。此外，我们的算法在处理更大网络时，相比使用latentnet包（Krivitsky和Handcock，2008年；Krivitsky和Handcock，2013年）的标准方法，可以获得更合理的计算时间。
作者：Nial Friel and Caitriona Ryan and Jason Wyse
论文ID：1308.4871
分类：Computation
分类简称：stat.CO
提交时间：2013-08-23