A Bayesian approach to out-of-sample network reconstruction
创建于 更新于
摘要
本文提出一套基于后验预测分布的贝叶斯网络重构框架，通过将过去网络快照的信息转化为参数先验（empirical prior），并对未来快照的边概率进行积分预测，实现“自我维持”的逐步外样本重构；在eMID银行间交易数据上，基于节点强度的贝叶斯Fitness模型(BFM)在恢复节点度序列与连接位置上显著优于均匀贝叶斯ER模型(BERM)，且每次预测可作为下次预测的可靠先验，从而在极少额外信息下实现长期演化预测 [page::0][page::5].
