학술논문
MH-SAMC 알고리즘을 이용한 소셜네트워크 분석
이용수 46
- 영문명
- Social Network Analysis Using MH-SAMC Algorithm
- 발행기관
- 한국자료분석학회
- 저자명
- 박원경(Wonkyeong Park) 전승환(Seunghwan Jeon) 서영수(Young Soo Seo) 전수영(Sooyoung Cheon)
- 간행물 정보
- 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.23 No.1, 161~171쪽, 전체 11쪽
- 주제분류
- 자연과학 > 통계학
- 파일형태
- 발행일자
- 2021.02.28
4,120원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.
국문 초록
소셜네트워크 모형에 대한 통계적 추론에서 종종 베이지안 추론에 관심이 많다. 본 연구에서는 노드들 간의 규칙적인 관계 패턴을 파악하고 네트워크의 전체적인 구조를 이해하는 적절한 베이지안 소셜네트워크 모형을 고려한다. 소셜네트워크 분석에서 베이지안 추론을 위해 일반적 으로 마코브체인 몬테카를로 알고리즘을 이용한다. 하지만 전통적인 마코브체인 몬테카를로 알고리즘인 메트로폴리스 헤스팅스나 깁스샘플링 방법은 관심 모수의 사후분포로부터 샘플을 추출할 때 비효율성 문제 때문에 최댓값(global maximum)을 얻지 못하는 문제점이 종종 발생한다. 이를 극복하기 위해 본 연구는 확률적 근사 몬테카를로(stochastic approximation Monte Carlo, SAMC; Liang et al., 2007) 알고리즘을 이용하여 모형 추론 개선 방법을 제안한다. SAMC 알고리 즘은 샘플러의 자기조절능력을 가지고 있어 샘플을 추출할 때 국소트랩의 문제점을 본질적으로 해결하는 알고리즘으로 적응 마코브체인 몬테카를로(adaptive MCMC) 알고리즘이다. 모의실험과 실자료 분석으로부터 모수 추정에 있어 본 연구에서 제안한 알고리즘의 성능이 다른 알고리즘들 보다 더 우수함을 알 수 있다.
영문 초록
Statistical inference for social network models has been often interested in Bayesian inference. This study considers an appropriate social network Bayesian statistical model that understands the regular relationship patterns between nodes and the overall structure of the network. For Bayesian inference in social network analysis, the Markov chain Monte Carlo algorithm is generally used. However, the Metropolis Hastings or Gibbs sampling methods, which are traditional Markov chain Monte Carlo algorithms, often have a problem in that the global maximum cannot be obtained due to the inefficiency of sample extraction from the posterior distribution of the parameter of interest. To overcome this, this study proposes a method to improve model inference using the stochastic approximation Monte Carlo (SAMC; Liang et al., 2007) algorithm. SAMC is an algorithm with self-adjusting capability that essentially solves the problem of sampling inefficiency, and is an adaptive Markov chain Monte Carlo algorithm. From simulation and analysis of real data, it can be seen that the performance of the algorithm proposed in this study is superior to other algoritms in parameter estimation.
목차
1. 소개
2. 잠재적 위치 군집모형
3. MH-SAMC 알고리즘을 이용한 잠재적 위치 군집모형 추론
4. 모의실험
5. 실증분석
6. 결론
References
키워드
해당간행물 수록 논문
- 간호대학생의 인성요인이 의사소통능력에 미치는 영향
- Exploration of Availability as a Signal Indicator about Youden Index
- The Mediating Roles of Identification and Perceived Persuasive Intent in Narrative Persuasion
- 노년기 삶의 질(CASP-19)에 대한 종단적 분석
- 양파의 생구무게 예측을 위한 여러 가지 일반회귀모형의 성능 비교
- 외국인 유학생의 자기효능감, 사회적 지지요인, 전공 몰입도와 학업지속의도 간의 영향 관계 연구
- 데이터 마이닝 효과를 감안한 한국 주식수익률 예측가능성 검정
- 보훈의료 대상자별 의료이용 특성을 반영한 의료비 산정체계 개발
- 군집분석을 활용한 포스트휴먼 교양의 범주화에 관한 연구
- Sequencing Relationships among Five Species of Hydrocotyle Based on TrnL-TrnF Intergenic Spacer Gene
- Economic Sanctions and Militarized Disputes
- 표본선택모형을 이용한 직장만족도 결정요인 분석
- An Alternative Bivariate Negative Binomial Model based on Sarmanov family
- 수용자의 자살 유서 작성 예측요인 연구
- 현물시장과 선물시장의 수익률, 변동성 및 거래량의 전이효과에 관한 연구
- 고령운전자에 대한 선택반응 반복훈련 효과
- 한국어 음절 규칙이 시각적으로 제시된 영어 단어 재인에 미치는 영향
- IPA기법을 통한 흰여울문화마을의 관광활성화 연구
- 서포트 벡터 기계에서 메타 학습법에 대한 연구
- 자본금과 대출공급 관계에 미치는 은행 유동성 조달 수준의 차별적 영향
- 중년 이후 골관절염 성인의 건강 관련 삶의 질 영향 요인
- ARMA-GARCH-DCC 모형을 이용한 GOP모형 실증분석
- 주식시장 뉴스의 비교 연구
- 가계 재정구조가 보험 과소비에 미치는 영향 연구
- 정규분포와 지수분포하에서 구조방정식모형의 주요 적합도 지수에 대한 제1종오류 평가
- Drivers of Korea’s Gross Capital Flows
- A Research on Corporate Governance, Risk Taking Behavior, and Performance
- Asymmetric Dependence between Korean Sovereign CDS and VKOSPI
- 불균형 자료의 분류분석 방법별 성능 비교와 접근 전략 연구
- 산업의 이익 발생 프로세스 이질성과 이익의 주가 반영
- MH-SAMC 알고리즘을 이용한 소셜네트워크 분석
- 가족 구성원의 인터넷 자아효능감이 가족 구매결정 참여의도에 영향을 미치는 구조적 연구
- Time-Varying Long Memory Property in the Cryptocurrency Markets
- 스캔통계학을 이용한 국내 화재 발생 고위험군 탐색
- 대졸 초기 취업자의 직업만족도 변화에 관한 종단 연구
참고문헌
관련논문
자연과학 > 통계학분야 NEW
- 행사성 사업의 효과 분석 방안
- Journal of The Korean Data Analysis Society (JKDAS) Vol.26 No.2 목차
- OTT 서비스 확산 이후 유료방송 VOD 이용의 결정 요인 분석
최근 이용한 논문
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!