Detecção de comunidade e reciprocidade em redes modelando conjuntamente pares de arestas

Resumo Para desvendar os padrões que impulsionam as redes, os modelos mais populares dependem de algoritmos de detecção de comunidade. No entanto, essas abordagens geralmente são incapazes de reproduzir as características estruturais da rede. Portanto, sempre são feitas tentativas para desenvolver modelos que incorporem essas propriedades da rede além da estrutura da comunidade. Neste artigo, apresentamos um modelo generativo probabilístico e um algoritmo eficiente para realizar tanto a detecção de comunidade quanto capturar a reciprocidade em redes. Nossa abordagem modela conjuntamente pares de arestas com distribuições conjuntas exatas de duas arestas. Além disso, fornece expressões analíticas em forma fechada para distribuições marginais e condicionais. Validamos nosso modelo em dados sintéticos na recuperação de comunidades, tarefas de previsão de arestas e na geração de redes sintéticas que replicam os valores de reciprocidade observados em redes reais. Também destacamos essas descobertas em dois conjuntos de dados reais que são relevantes para cientistas sociais e ecologistas comportamentais. Nosso método supera as limitações tanto de algoritmos padrão quanto de modelos recentes que incorporam a reciprocidade por meio de uma aproximação de pseudo-verossimilhança. A inferência dos parâmetros do modelo é implementada pelo algoritmo eficiente e escalável de expectativa-maximização, pois explora a esparsidade do conjunto de dados. Fornecemos uma implementação de código de código aberto online.