随着社交网络平台的快速发展,带有网络结构的时序数据越来越多.为拟合用户行为的动态变化,网络向量自回归模型被提出.模型最早研究的是连续型因变量.然而实际数据常观测到离散型因变量.由此,本文提出广义网络向量自回归模型.模型假设存...随着社交网络平台的快速发展,带有网络结构的时序数据越来越多.为拟合用户行为的动态变化,网络向量自回归模型被提出.模型最早研究的是连续型因变量.然而实际数据常观测到离散型因变量.由此,本文提出广义网络向量自回归模型.模型假设存在一个潜在的连续型变量,决定了可观测到的离散型因变量的取值.为了估计和推断模型,本文提出了MCMC (Markov chain Monte Carlo)算法并通过随机模拟进行验证.最后,使用某社交网络平台上的两个真实的数据案例作为例证.展开更多
文摘随着社交网络平台的快速发展,带有网络结构的时序数据越来越多.为拟合用户行为的动态变化,网络向量自回归模型被提出.模型最早研究的是连续型因变量.然而实际数据常观测到离散型因变量.由此,本文提出广义网络向量自回归模型.模型假设存在一个潜在的连续型变量,决定了可观测到的离散型因变量的取值.为了估计和推断模型,本文提出了MCMC (Markov chain Monte Carlo)算法并通过随机模拟进行验证.最后,使用某社交网络平台上的两个真实的数据案例作为例证.