MH-SAMC 알고리즘을 이용한 소셜네트워크 분석

전수영; 박원경; 전승환; 서영수

추천

검색

자료유형: 학술저널

저자정보: 전수영 (고려대학교) 박원경 (고려대학교) 전승환 (고려대학교 공공정책연구소) 서영수 (서울사이버대학교)

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제23권 제1호

발행연도: 2021.1

수록면: 161 - 171 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

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 일반적으로 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 알고리즘은 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 알고리즘들보다 더 우수함을 알 수 있다.

#소셜네트워크 #잠재적위치 군집모형 #마코브체인 몬테카를로 #메트로폴리스 헤스팅스 #확률적근사 몬테카를로

참고문헌 (20)

참고문헌 신청

Jeffrey D. Banfield / 1993 / Model-Based Gaussian and Non-Gaussian Clustering / Biometrics 49(3):803~821

Ronald S. Burt / 1987 / Social Contagion and Innovation: Cohesion versus Structural Equivalence / American Journal of Sociology 92(6):1287~1335

James Coleman / 1957 / The Diffusion of an Innovation Among Physicians / Sociometry 20(4):253~270

Chris Fraley / 2002 / Model-Based Clustering, Discriminant Analysis, and Density Estimation / Journal of the American Statistical Association 97(458):611~631

Isobel Claire Gormley / 2010 / A mixture of experts latent position cluster model for social network data / Statistical Methodology 7(3):385~405

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

전수영

소속기관 고려대학교

주요연구분야 인문학 > 어문학 > 한국어와문학 자연과학 > 수학·통계학

논문수 35 이용수 1,156

박원경

소속기관 고려대학교

주요연구분야 자연과학 > 수학·통계학

논문수 2 이용수 20

전승환

소속기관 고려대학교 공공정책연구소

주요연구분야 자연과학 > 수학·통계학

논문수 2 이용수 42

서영수

소속기관 서울사이버대학교

주요연구분야 자연과학 > 수학·통계학

논문수 3 이용수 66

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (20)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)