統計学輪講(第12回) 日時 2017年07月04日(火) 14時55分~15時45分 場所 経済学部新棟3階第3教室 講演者 新田 猛 (情報理工M2) 演題 allocation samplerによるベイズ推定のDCBMへの応用 概要 コミュニティの構造を持つネットワークを生成する確率モデルには,確率的ブロックモデル(Stochastic Block Model)やDCBM(Degree Corrected Block Model) などが知られている. このような確率モデルに基づいてネットワークをいくつかのコミュニティに分割するという問題は,ソーシャルネットワークなどの解析において重要な問題である. 本発表では,DCBMに対してallocation sampler[2]と同様の枠組みを用いて,事後分布からのサンプリングを行うことによってコミュニティ構造の推定を行う手法を提案する. この手法は,確率的ブロックモデルにallocation samplerを適用した研究[1]を更に応用したものである. 参考文献: [1] A. F. McDaid, T. B. Murphy, N. Friel and N. J. Hurley: Improved Bayesian Inference for the Stochastic Block Model with Application to Large Networks. Computational Statistics and Data Analysis, Vol. 60 (2013), pp. 12--31. [2] A. Nobile and A. Fearnside: Bayesian Finite Mixtures with an Unknown Number of Components: The Allocation Sampler. Statistics and Computing, Vol. 17 (2007), pp. 147--162.