MH-SAMC 알고리즘을 이용한 소셜네트워크 분석

• 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: PDF
• 발행일자: 2021.02.28

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

소셜네트워크 잠재적위치 군집모형 마코브체인 몬테카를로 메트로폴리스 헤스팅스 확률적근사 몬테카를로 social network latent position cluster model Markov chain Monte Carlo metropolis-hastings stochastic approximation Monte Carlo