Link predictions for incomplete network data with outcome misclassification.
Link predictions for incomplete network data with outcome misclassification.
复制标题
与结果错误分类的不完整网络数据的链接预测。
DOI：
10.1002/sim.8856
复制
发表时间：
2021-03-15
影响因子：
2
通讯作者：
Chen S
中科院分区：
文献类型：
--
作者：
Wu Q;Zhang Z;Ma T;Waltz J;Milton D;Chen S
链路预测是网络分析中的一个基本问题。在复杂的网络中，由于数据收集过程中的异构噪声源和技术挑战，链路可能未报告和/或低于检测限制。不完整的网络数据可能导致基于网络的数据分析推断不准确。我们提出了一个参数链接预测模型，并将潜在链接视为错误分类的二进制结果。我们开发新算法来优化模型参数并对未观察到的链接进行可靠的预测。还讨论了预测模型的理论特性。我们将新方法应用于部分观察的社交网络数据和不完整的大脑网络数据。结果表明，我们的方法优于现有的潜在链接预测方法。
Link prediction is a fundamental problem in network analysis. In a complex network, links can be unreported and/or under detection limits due to heterogeneous sources of noise and technical challenges during data collection. The incomplete network data can lead to an inaccurate inference of network based data analysis. We propose a parametric link prediction model and consider latent links as misclassified binary outcomes. We develop new algorithms to optimize model parameters and yield robust predictions of unobserved links. Theoretical properties of the predictive model are also discussed. We apply the new method to a partially observed social network data and incomplete brain network data. The results demonstrate that our method outperforms the existing latent-link prediction methods.
登录
查看更多内容
人脑网络组图谱：基于连接架构的新大脑图谱
DOI：
10.1093/cercor/bhw157
发表时间：
2016-08
期刊：
Cerebral cortex (New York, N.Y. : 1991)
影响因子：
--
作者：
Fan L;Li H;Zhuo J;Zhang Y;Wang J;Chen L;Yang Z;Chu C;Xie S;Laird AR;Fox PT;Eickhoff SB;Yu C;Jiang T
通讯作者：
Jiang T
DOI：
10.1017/nws.2015.22
发表时间：
2015-09-01
期刊：
Network science (Cambridge University Press)
影响因子：
--
作者：
Potter GE;Smieszek T;Sailer K
通讯作者：
Sailer K
影响因子：
32.8
作者：
Goldenberg, Anna;Zheng, Alice X.;Airoldi, Edoardo M.
通讯作者：
Airoldi, Edoardo M.
影响因子：
2.7
作者：
Neuhaus, JM
通讯作者：
Neuhaus, JM
影响因子：
3.7
作者：
Buermans HP;van Wijk B;Hulsker MA;Smit NC;den Dunnen JT;van Ommen GB;Moorman AF;van den Hoff MJ;'t Hoen PA
通讯作者：
't Hoen PA