Posterior Contraction Rates for Stochastic Block Models
Posterior Contraction Rates for Stochastic Block Models
复制标题
随机块模型的后收缩率
DOI：
10.1007/s13171-019-00180-5
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Bhattacharya, Anirban
中科院分区：
文献类型：
--
作者：
Ghosh, Prasenjit;Pati, Debdeep;Bhattacharya, Anirban
随着以社会网络、基因回路和蛋白质相互作用网络形式出现的结构化数据的出现，网络的统计分析近年来得到了普及。随机块模型构成了典型的网络聚类随机图模型。有大量的文献致力于从经典和贝叶斯的观点提出估计和推断模型参数的策略。与经典的对应物不同，在贝叶斯设置中缺乏关于估计准确性的理论结果。在本文中，我们对随机块模型中参数的后验分布进行了理论研究。特别是，我们证明了一个人可以获得近似最优的后验收缩率，通常使用聚类指标上的多项dirichlet先验和随机边缘指标概率上的均匀或一般Beta先验。我们的理论结果通过小规模的模拟研究得到了证实。
With the advent of structured data in the form of social networks, genetic circuits and protein interaction networks, statistical analysis of networks has gained popularity over recent years. The stochastic block model constitutes a classical cluster-exhibiting random graph model for networks. There is a substantial amount of literature devoted to proposing strategies for estimating and inferring parameters of the model, both from classical and Bayesian viewpoints. Unlike the classical counterpart, there is a dearth of theoretical results on the accuracy of estimation in the Bayesian setting. In this article, we undertake a theoretical investigation of the posterior distribution of the parameters in a stochastic block model. In particular, we show that one obtains near-optimal rates of posterior contraction with routinely used multinomial-Dirichlet priors on cluster indicators and uniform or general Beta priors on the probabilities of the random edge indicators. Our theoretical results are corroborated through a small scale simulation study.
登录
查看更多内容
随机块模型的经验贝叶斯估计
DOI：
10.1214/16-ejs1115
发表时间：
2014
期刊：
arXiv: Methodology
影响因子：
--
作者：
Shakira Suwan;Dominic S. Lee;Runze Tang;D. Sussman;M. Tang;C. Priebe
通讯作者：
C. Priebe
贝叶斯社区检测
影响因子：
4.4
作者：
S. V. D. Pas;A. Vaart
通讯作者：
A. Vaart
DOI：
10.1111/j.1467-9868.2011.00781.x
发表时间：
2011-01-01
影响因子：
5.8
作者：
Rousseau, Judith;Mengersen, Kerrie
通讯作者：
Mengersen, Kerrie
影响因子：
1.1
作者：
Channarond, Antoine;Daudin, Jean-Jacques;Robin, Stephane
通讯作者：
Robin, Stephane
使用图模型估计大型精度矩阵的后验收敛率
影响因子：
1.1
作者：
Sayantan Banerjee;S. Ghosal
通讯作者：
S. Ghosal