Key points are not available for this paper at this time.
초록 대규모 네트워크에서 발생하는 대규모 관계 사건 이력 데이터는 최근 기술 발전(예: 디지털 통신, 온라인 데이터베이스 등)으로 인해 점점 더 많이 이용 가능해지고 있습니다. 이는 시계열 사회 네트워크 내에서 행위자 간의 복잡한 상호작용 행동에 대한 학습에 많은 새로운 기회를 열어줍니다. 관계 사건 모델은 관계 사건 이력 분석의 금본위 기준이 되었습니다. 그러나 현재 관계 사건 모델을 적합시키는 주요 병목 현상은 메모리 저장 한계 및 계산 복잡성과 같은 계산적 성격을 띠고 있습니다. 따라서 관계 사건 모델은 상대적으로 작은 데이터 세트에 주로 사용되는 반면, 다수준 데이터 구조 및 관계 사건 데이터 스트림을 포함한 더 크고 흥미로운 데이터 세트는 표준 데스크톱 컴퓨터에서 분석할 수 없습니다. 이 논문은 메타 분석 방법에 기초한 근사 알고리즘을 개발하여 관계 사건 모델을 획기적으로 빠르게 적합시키고 계산 문제를 피하는 방법을 제안합니다. 특히, 관계 사건 데이터 스트림, 다수준 관계 사건 데이터 및 이들의 조합을 분석하기 위해 메타 분석 근사치를 제안합니다. 방법의 정확성과 통계적 특성은 수치 시뮬레이션을 사용하여 평가됩니다. 또한, 실제 데이터를 사용하여 조직 네트워크 내에서 사회적 상호작용 행동과 정치적 행위자 간의 상호작용 행동을 연구하는 데 있어 방법론의 잠재력을 설명합니다. 알고리즘은 공개적으로 제공되는 R 패키지 'remx'에 구현되어 있습니다.
Vieira et al. (Sat,)은 이 질문을 연구했습니다.