[论文解读] $β$ models for random hypergraphs with a given degree sequence

Despina Stasi, Kayvan Sadeghi+3 more|arXiv (Cornell University)|Jul 3, 2014

Mathematical Approximation and Integration被引用 16

一句话总结

本文提出了随机超图的beta模型，作为经典图模型中beta模型的自然延伸，实现了对社交网络中高阶（k元）相互作用的统计建模。该文提出了两种迭代算法——IPS与定点法，当最大似然估计量（MLE）存在时，二者均能收敛至MLE，并提供了几何与算法工具以解决MLE不存在的问题；模拟结果表明，分层模型相较于一般超图模型具有更优的拟合效果。

ABSTRACT

We introduce the beta model for random hypergraphs in order to represent the occurrence of multi-way interactions among agents in a social network. This model builds upon and generalizes the well-studied beta model for random graphs, which instead only considers pairwise interactions. We provide two algorithms for fitting the model parameters, IPS (iterative proportional scaling) and fixed point algorithm, prove that both algorithms converge if maximum likelihood estimator (MLE) exists, and provide algorithmic and geometric ways of dealing the issue of MLE existence.

研究动机与目标

• 将经典随机图的beta模型扩展至超图，以实现对社交网络中k元相互作用的统计建模。
• 形式化三类基于度序列充分统计量的超图指数族模型。
• 开发无需计算梯度或海塞矩阵的迭代算法以拟合模型参数。
• 采用几何与算法方法解决超图beta模型中最大似然估计量（MLE）存在的关键问题。
• 通过似然比检验比较分层模型与一般超图beta模型的拟合优度。

提出的方法

• 提出一种超图beta模型，其中超边独立发生，边的概率由节点特定的自然参数参数化。
• 基于观测到的度序列，推导MLE自然参数的矩方程。
• 提出一种定点迭代算法以求解MLE方程，若MLE存在，则保证收敛。
• 将迭代比例缩放（IPS）算法适配至超图模型，确保在MLE存在时收敛。
• 通过参数空间的几何分析检测并处理MLE不存在的情况。
• 应用似然比检验比较分层模型（具有按大小特定参数）与一般模型（每个节点单个参数）的拟合优度。

实验结果

研究问题

• RQ1 能否将随机图的beta模型推广至超图，以建模高阶相互作用？
• RQ2 超图beta模型的MLE在何种条件下存在？
• RQ3 如何设计迭代算法，以在不计算梯度的情况下高效拟合超图beta模型？
• RQ4 具有按大小特定参数的分层模型是否显著优于具有共享参数的一般模型？
• RQ5 超图密度与超图beta模型中MLE存在性之间有何关系？

主要发现

• 当MLE存在时，定点算法可收敛至MLE，数值证据显示在10节点与100节点超图的模拟中均实现收敛。
• 在10个节点的3-均匀超图中，估计参数向量与真实β的ℓ∞-距离为0.14，而在100个节点的超图中降低至0.12。
• 模拟结果表明，随着超图密度增加，MLE的存在性由不存在转变为存在，且该转变点取决于节点数与边的大小。
• 分层超图beta模型在模拟数据上的拟合显著优于一般模型，100次试验的平均似然比检验统计量为53.649（p < 0.005）。
• 在100次模拟中，有97次在0.01显著性水平下偏好分层模型，94次在0.005水平下偏好分层模型。
• 理论分析表明，MLE不存在与均值参数趋近于0或1相关，可通过迭代算法中序列发散或周期性现象检测到。