Degree-corrected stochastic block models and reliability in networks

الگوریتم های متعددی برای پیش بینی لینک ها برای استخراج اطلاعات گم شده، تعاملات جعلی، بازسازی شبکه ها و غیره پیشنهاد شده است. مدل های بلوک تصادفی یکی از روش های دقیق ترین در میان همه آنها است. با این حال، این الگوریتم فقط برای نمودارهای ساده طراحی شده و تغییرات در درجه گره را که معمولا در شبکه های دنیای واقعی نمایش داده می شود، نادیده می گیرد. در این مقاله، ما یک رویکرد معتبر مبتنی بر مدل بلوک تصادفی تصحیح شده را پیشنهاد می کنیم که می تواند در شبکه هایی حاوی چند لبه و لبه های خود استفاده شود. مقایسه تجربی در پنج شبکه متمایز نشان می دهد که عملکرد کلی روش ما بهتر از نسخه اصلی در پیش بینی لینک های گم شده است، به خصوص برای تعاملات بین گره های درجه بالا.