.png){kind=icon}
返回
Toward Evaluating Network Confidence Intervals
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-07715-8_18.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
收集社交网络数据通常是一个不完美的过程，其中存在缺失的连接，以往研究表明这会损害基于所得网络计算出的指标的准确性。本研究探讨了在已知网络中存在缺失边的情况下，为网络指标的真实值构建置信区间的问题。通过模拟实验比较了各种网络重采样（bootstrap）方法，研究发现不同的网络指标和不同类型的网络受益于不同的重采样置信区间构建方法。改进的链接预测算法提高了小世界网络中平均度和中介中心性的区间质量，而无标度网络和三角形密度的分析则需要采用基于随机点积图的方法。因此，依赖存在缺失连接数据的网络科学家在量化其分析中的不确定性时，应仔细考虑其特定情况。
Keyword:
Missing links
Confidence intervals
Network science
期刊
S
IF:
0
论文数:
21
被引数:
0
.png){kind=icon}
查看更多内容