利用潜在空间模型在动态国际关系数据中识别世界事件
摘要：社交网络分析中的动态网络数据已经无处不在，新的信息可以捕捉到友谊形成、公司交易和国家互动的时间点。为了正确捕捉这些网络中个体的行为，需要灵活和可解释的模型。在本文中，我们着重研究描述国际关系网络中的社会属性的潜在空间。我们通过使用高斯过程处理模型参数的时间演变来将定向加性和乘性效应网络模型扩展到连续时间设置中。重要的是，我们结合了时变协变量和节点级加性随机效应，从而增加了模型的现实性。我们在由世界上18个最大经济体之间的正式国事访问的纵向数据集上展示了这个模型的有用性和灵活性。该模型不仅具有高质量的预测准确性，而且潜在参数自然地映射到数据中未直接测量的世界事件。
作者：Yunran Chen and Alexander Volfovsky
论文ID：2305.07776
分类：Applications
分类简称：stat.AP
提交时间：2023-05-16