Network analysis has become an incr

Network analysis has become an increasingly prevalent research tool across a vast range of scientific fields. Here, we focus on the particular issue of comparing network statistics, i.e. graph-level measures of network structural features, across multiple networks that differ in size. Although “normalized” versions of some network statistics exist, we demonstrate via simulation why direct comparison is often inappropriate. We consider normalizing network statistics relative to a simple fully parameterized reference distribution and demonstrate via simulation how this is an improvement over direct comparison, but still sometimes problematic. We propose a new adjustment method based on a reference distribution constructed as a mixture model of random graphs which reflect the dependence structure exhibited in the observed networks. We show that using simple Bernoulli models as mixture components in this reference distribution can provide adjusted network statistics that are relatively comparable across different network sizes but still describe interesting features of networks, and that this can be accomplished at relatively low computational expense. Finally, we apply this methodology to a collection of ecological networks derived from the Los Angeles Family and Neighborhood Survey activity location data.

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์เครือข่ายได้กลายเป็น เครื่องมือวิจัยแพร่หลายมากขึ้นทั่วทั้งเขตข้อมูลทางวิทยาศาสตร์หลากหลาย ที่นี่ เราเน้นปัญหาเฉพาะของการเปรียบเทียบสถิติเครือข่าย เช่นกราฟระดับมาตรการของคุณลักษณะโครงสร้างเครือข่าย ข้ามหลายเครือข่ายที่แตกต่างขนาดกัน แม้ว่า "มาตรฐาน" รุ่นสถิติบางเครือข่ายมีอยู่ เราสาธิตผ่านการจำลองเหตุการเปรียบเทียบโดยตรงมักจะเป็นไม่เหมาะสม เราพิจารณา normalizing สถิติเครือข่ายสัมพันธ์ง่ายเต็มพารามิเตอร์การกระจายข้อมูลอ้างอิง และแสดงให้เห็นผ่านการจำลองวิธีนี้เป็นการปรับปรุงผ่านการเปรียบเทียบโดยตรง แต่ยังคงมีปัญหาบางครั้ง เราเสนอวิธีการปรับแบบใหม่ที่อิงการกระจายอ้างอิงที่สร้างขึ้นเป็นรูปแบบผสมของกราฟแบบสุ่มซึ่งสะท้อนโครงสร้างพึ่งพาที่จัดแสดงในเครือข่ายที่สังเกต เราแสดงว่า ใช้รุ่น Bernoulli ที่เรียบง่ายเป็นส่วนผสมส่วนประกอบในการกระจายการอ้างอิงนี้สามารถให้ปรับปรุงสถิติของเครือข่ายที่จะเปรียบเทียบได้ค่อนข้างทั่วเครือข่ายแตกต่างขนาด แต่ยังคง อธิบายคุณสมบัติที่น่าสนใจของเครือข่าย และว่านี้สามารถทำได้ค่อนข้างต่ำค่าใช้จ่ายที่คำนวณ ในที่สุด เราใช้วิธีนี้กับคอลเลกชันของเครือข่ายระบบนิเวศมาจาก Los Angeles ครอบครัวและข้อมูลตำแหน่งที่ตั้งของกิจกรรมการสำรวจย่าน

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์เครือข่ายได้กลายเป็นเครื่องมือในการวิจัยที่แพร่หลายมากขึ้นในช่วงที่กว้างใหญ่ของเขตข้อมูลทางวิทยาศาสตร์ ที่นี่เราจะมุ่งเน้นไปที่ปัญหาด้านการเปรียบเทียบสถิติของเครือข่ายเช่นมาตรการกราฟระดับของคุณสมบัติที่มีโครงสร้างเครือข่ายผ่านเครือข่ายหลายที่แตกต่างกันในขนาด แม้ว่า "ปกติ" รุ่นสถิติของเครือข่ายบางอย่างอยู่เราแสดงให้เห็นว่าทำไมผ่านการจำลองการเปรียบเทียบโดยตรงมักจะเป็นที่ไม่เหมาะสม เราพิจารณาสถิติของเครือข่าย normalizing เทียบกับการกระจายอ้างอิงง่ายแปรอย่างเต็มที่และแสดงให้เห็นผ่านการจำลองวิธีการนี​​้คือการปรับปรุงกว่าเปรียบเทียบโดยตรง แต่ก็ยังมีปัญหาบางครั้ง เรานำเสนอวิธีการปรับใหม่บนพื้นฐานของการกระจายการอ้างอิงที่สร้างเป็นรูปแบบส่วนผสมของกราฟสุ่มซึ่งสะท้อนให้เห็นถึงโครงสร้างการพึ่งพาการจัดแสดงในเครือข่ายสังเกต เราแสดงให้เห็นว่าใช้แบบจำลอง Bernoulli ง่ายๆเป็นส่วนประกอบส่วนผสมในการกระจายการอ้างอิงนี้สามารถให้สถิติของเครือข่ายที่ปรับที่ค่อนข้างเทียบเคียงข้ามเครือข่ายขนาดที่แตกต่างกัน แต่ก็ยังอธิบายคุณสมบัติที่น่าสนใจของเครือข่ายและที่นี้สามารถทำได้ที่ค่าใช้จ่ายในการคำนวณที่ค่อนข้างต่ำ สุดท้ายเราใช้วิธีการนี​​้เพื่อให้คอลเลกชันของเครือข่ายในระบบนิเวศที่ได้มาจากข้อมูลที่ Los Angeles ครอบครัวและพื้นที่ใกล้เคียงสำรวจสถานที่ทำกิจกรรม

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์เครือข่ายได้กลายเป็นเครื่องมือที่แพร่หลายมากขึ้นในช่วงกว้างของเขตข้อมูลทางวิทยาศาสตร์ ที่นี่เรามุ่งเน้นไปที่ปัญหาเฉพาะของการเปรียบเทียบสถิติเครือข่าย เช่น กราฟระดับการวัดคุณสมบัติโครงสร้างเครือข่ายข้ามหลายเครือข่ายที่แตกต่างกันในขนาด แม้ว่า " ทีป " รุ่นบางสถิติเครือข่ายมีอยู่ เราแสดงให้เห็นถึงการเปรียบเทียบโดยตรงผ่านการจำลองมักจะไม่เหมาะสม เราพิจารณาการ normalizing สถิติเครือข่ายญาติแบบง่าย ๆอย่างการพารามิเตอร์อ้างอิงและแสดงผ่านการจำลองวิธีนี้คือการปรับปรุงมากกว่าการเปรียบเทียบโดยตรง แต่บางครั้งก็มีปัญหา เราเสนอใหม่ปรับวิธีสอนที่ใช้อ้างอิงการสร้างส่วนผสมแบบสุ่มกราฟซึ่งแสดงให้เห็นถึงโครงสร้างการจัดแสดงในลักษณะเครือข่าย เราแสดงให้เห็นว่าใช้ง่ายแบบ Bernoulli เป็นส่วนผสมส่วนประกอบในการอ้างอิงนี้สามารถให้ปรับการกระจายเครือข่ายสถิติที่ค่อนข้างเทียบเท่าทั่วขนาดเครือข่ายที่แตกต่างกันแต่ยังคงอธิบายคุณลักษณะที่น่าสนใจของเครือข่าย และนี้สามารถทำได้ที่ค่าใช้จ่ายในการคำนวณค่อนข้างต่ำ . เราก็ใช้วิธีนี้กับคอลเลกชันของเครือข่ายนิเวศวิทยามาจาก Los Angeles ครอบครัวและชุมชน สำรวจข้อมูลสถานที่กิจกรรม