Bayesian Community Detection
Bayesian Community Detection
复制标题
贝叶斯社区检测
DOI：
10.1214/17-ba1078
复制
发表时间：
2016
影响因子：
4.4
通讯作者：
A. Vaart
中科院分区：
文献类型：
--
作者：
S. V. D. Pas;A. Vaart
在随机分块模型中，当类的个数已知时，我们给出了类结构的贝叶斯估计。估计量是对应于类别比例上的Dirichlet先验、类别标签上的广义Bernoulli先验和边缘概率上的Beta先验的后验模式。我们证明了当期望度至少是$\log^2{n}$时，这个估计量是强相容的，其中$n$是网络中的节点数。
We introduce a Bayesian estimator of the underlying class structure in the stochastic block model, when the number of classes is known. The estimator is the posterior mode corresponding to a Dirichlet prior on the class proportions, a generalized Bernoulli prior on the class labels, and a beta prior on the edge probabilities. We show that this estimator is strongly consistent when the expected degree is at least of order $\log^2{n}$, where $n$ is the number of nodes in the network.
影响因子：
8.6
作者：
Hofman, Jake M.;Wiggins, Chris H.
通讯作者：
Wiggins, Chris H.