2017 Fiscal Year Annual Research Report
ネットワーク構造のスパースモデリングとリサンプリングによる統計的推測
Publicly Offered Research
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
16H01547
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
下平 英寿 京都大学, 情報学研究科, 教授 (00290867)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | 複雑ネットワーク / スケールフリー / 成長ネットワーク / 優先的選択関数 / ノンパラメトリック / ベイズ統計学 / リサンプリング / 仮説検定 |
|---|
| Outline of Annual Research Achievements |
大規模なネットワークデータが近年容易に入手できるようになり，ネットワークに潜む構造を理解することが応用上も重要になっている．ネットワークは多くの場合スパース性をもち，各ノードが他のノードに接続するリンク数はノード数に比べてとても小さい．このような複雑ネットワークの研究が注目されているが，ネットワークデータを統計解析するツールの研究は不十分である．そこでネットワーク成長モデルの優先的選択関数や適応度などのメカニズムをネットワークデータから推定する方法を開発する．
本年度は次の成果が得られた．（１）分析ツールのソフトウエアPAFitの開発ではこれまで優先的的選択関数と適応度の２つの効果を同時にノンパラメトリック推定していた．これに加えてクラスタ性の効果の検討を行った．優先的選択関数とクラスタ性を同時にノンパラメトリック推定する手法を開発，実装して，シミュレーションと実データ解析で検証した．（２）様々な分野のネットワークデータにPAFitを適用して，優先的選択関数と適応度のメカニズムが広く存在することを昨年度より多くの実データで確認した．さらに，優先的選択と適応度の貢献度を定量的に比較する手法を考案した．（３）パラメータ推定の信頼区間を近似計算する手法について，シミュレーションによって有効性を確認した．
成果発表はNetSci 2017の口頭発表に加えて，次の口頭発表が採択されている．Inoue, Pham, Shimodaira, Joint Estimation of Clustering and Preferential Attachment: The Dominance of Clustering in Scientific Co-authorship Networks, The International Conference on Complex Systems ICCS2018．また次のプレプリントを発表している．PAFit: An R Package for Modeling and Estimating Preferential Attachment and Node Fitness in Temporal Complex Networks, Pham, Sheridan, Shimodaira, arXiv:1704.06017
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
