[论文解读] A framework for statistical network modeling

Harry Crane, Walter Dempsey|arXiv (Cornell University)|Sep 28, 2015

Complex Network Analysis Techniques参考文献 57被引用 23

一句话总结

本文提出了一种统计网络建模框架，将数据生成过程与抽样机制分离，从而实现交换性与抽样一致性——这是有效推断的关键。该框架证明了边交换性模型与关系模型均可嵌入其中，解决了网络建模中长期存在的稀疏性与标签不变性等问题。

ABSTRACT

Basic principles of statistical inference are commonly violated in network data analysis. Under the current approach, it is often impossible to identify a model that accommodates known empirical behaviors, possesses crucial inferential properties, and accurately models the data generating process. In the absence of one or more of these properties, sensible inference from network data cannot be assured. Our proposed framework decomposes every network model into a (relatively) exchangeable data generating process} and a sampling mechanism that relates observed data to the population network. This framework, which encompasses all models in current use as well as many new models, such as edge exchangeable and relationally exchangeable models, that lie outside the existing paradigm, offers a sound context within which to develop theory and methods for network analysis.

研究动机与目标

• 解决当前网络建模实践中违反统计推断核心原则的根本性缺陷。
• 解决现有模型（如 preferential attachment 和指数随机图模型）中存在的不一致性问题，这些模型在标签等变性或子抽样一致性方面表现失败。
• 提供一个统一框架，兼容既有模型（如 graphon、边交换性模型）与新模型（如关系交换性模型）。
• 确保网络模型能准确反映稀疏性与幂律度分布等经验属性，同时保持推断有效性。
• 将数据生成过程与抽样机制的区分形式化，作为网络分析中稳健统计理论的基础。

提出的方法

• 将每个网络模型分解为一个（相对）交换性的无限网络上的数据生成过程，以及一个将其映射到可观测有限网络的抽样机制。
• 利用 Aldous–Hoover 理论对部分交换性随机数组的刻画，来表征交换性网络模型。
• 引入普遍图与超同构图的概念，以确保任何有限子图几乎必然可嵌入无限网络中。
• 通过顺序选择顶点或边的方式定义抽样机制，以在子抽样下保持有限样本分布不变。
• 建立一族有限样本模型可被嵌入单一无限维数据生成过程的条件。
• 利用极值组合学与概率论（如 Borel–Cantelli 引理）的结果，证明在边交换性测度下，普遍图与超同构图的存在性。

实验结果

研究问题

• RQ1 如何构建网络模型，以同时确保标签等变性与子抽样一致性？
• RQ2 在交换性网络几乎必然稀疏且非空概率为零的背景下，基于交换性结构建模稀疏网络的理论基础是什么？
• RQ3 现有模型（如指数随机图或 preferential attachment）能否被嵌入一个保持推断有效性的连贯统计框架中？
• RQ4 统计单元（顶点、边、三角形）的选择在定义有效网络模型中起什么作用？
• RQ5 如何构建一致的抽样机制，使得有限样本分布与目标模型相匹配？

主要发现

• 由泊松-狄利克雷过程驱动的边交换性模型以概率1具有普遍性与超同构性，确保任何有限子图几乎必然可被嵌入。
• 在无限顶点集上的 Erdős–Rényi 模型以概率1具有普遍性与超同构性，可通过顺序子抽样实现有限样本的一致嵌入。
• 任何满足特定正则性条件的有限样本模型族，均可通过适当的抽样机制被嵌入到单一无限维数据生成过程中。
• 该框架正式区分了数据生成过程与抽样机制，解决了模型解释与推断中的模糊性。
• 如指数随机图与 preferential attachment 等模型，无法满足标签等变性或子抽样一致性，从而损害其推断有效性。
• 该框架支持新型模型（如关系交换性网络），将边或子图作为单位处理，为某些经验网络行为提供了更自然的拟合。