摘要
在线社交网络使世界各地的人们能够方便地建立各种社交关系,受到极大关注。但是,观测到的社交网络结构往往是多种社交关系的聚合结构。因此,通过观测到的单层结构完整地重构真实网络的多重结构非常重要。本文通过多层网络随机块模型描述多重社交关系,其中不同层对应不同属性(例如,社交网络用户的年龄和性别)。本文旨在利用最大似然估计提高模型参数估计精度,其中估计精度由数据和模型参数之间的交叉熵定义。在本文中,多重网络中每一层节点的分类由其自然属性决定,并且假设多重网络的单层聚合结构已知。由于原多重网络具有较高自由度,因此通过添加一个独立的功能层增加模型参数,以充分覆盖自由度,并在理论上获得功能层的最佳分块数。最后,通过仿真实验,从链接概率误差、交叉熵、接收者操作特征曲线以及贝叶斯因子4个角度验证了本文方法的有效性。