📊 statistics

Geometric Model Selection for Latent Space Network Models: Hypothesis Testing via Multidimensional Scaling and Resampling Techniques

Cet article propose un cadre de test d'hypothèse par bootstrap paramétrique, étendant le test J de Davidson-MacKinnon aux modèles de réseaux à espace latent, afin de distinguer plus efficacement les géométries euclidiennes et hyperboliques dans les réseaux larges et creux par rapport à la sélection traditionnelle basée sur le stress et aux tests de permutation non structurels.

Auteurs originaux : Jieyun Wang, Anna L. Smith

Publié 2026-02-05

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jieyun Wang, Anna L. Smith

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de deviner la forme d'une pièce cachée en regardant simplement une carte des connexions entre les personnes à l'intérieur de celle-ci.

Dans le monde de la science des données, cette « pièce » est appelée un espace latent. C'est une carte invisible où chaque personne (ou « nœud ») dans un réseau possède une position cachée. La règle est simple : si deux personnes sont proches l'une de l'autre sur cette carte cachée, elles sont probablement amies (reliées par un lien). Si elles sont éloignées, elles ne le sont probablement pas.

La grande question que cet article traite est la suivante : Quelle est la forme de cette pièce cachée ?

Les deux prétendants : Plat vs Courbe

Pendant longtemps, les scientifiques ont supposé que la pièce cachée était plate, comme une feuille de papier standard (géométrie euclidienne). Mais récemment, de nombreux chercheurs soupçonnent que la pièce pourrait en réalité être courbe, comme l'intérieur d'une selle ou d'un entonnoir (géométrie hyperbolique).

Pourquoi cela importe-t-il ?

Les pièces plates croissent lentement. Si vous marchez en partant du centre, l'espace autour de vous s'étend à un rythme régulier et prévisible.
Les pièces courbes croissent de manière explosive. L'espace autour de vous s'étend si vite qu'il peut facilement contenir les structures complexes, de type « arbre », que l'on observe dans les réseaux du monde réel (comme Internet ou les réseaux sociaux), où quelques personnes ont des milliers d'amis et la plupart en ont très peu.

L'ancienne méthode : Deviner par le « Stress »

Auparavant, les scientifiques essayaient de deviner la forme en utilisant un outil appelé MDS (Multidimensional Scaling). Voyez le MDS comme un jeu de « relier les points ». Vous prenez le chemin le plus court entre les personnes du réseau et vous essayez de les dessiner sur une carte plate ou une carte courbe.

Pour voir quelle carte convient le mieux, ils mesuraient ce qu'on appelle le « Stress ».

Le Stress est comme la tension dans un élastique. Si vous essayez de forcer un réseau courbe sur une carte plate, les élastiques (les distances) s'étirent trop, créant un stress élevé.
Si le stress est plus faible sur la carte courbe, l'ancienne méthode disait : « Aha ! La pièce est forcément courbe ! »

Le Problème : Les auteurs ont découvert que cette ancienne méthode est un peu malicieuse. Elle a tendance à s'embrouiller. Même quand la pièce est réellement plate, la méthode proclame souvent : « C'est courbe ! », surtout lorsque le réseau est grand et clairsemé (comme une grande ville avec peu de routes). C'est comme regarder une carte plate d'un désert et penser qu'il s'agit d'une chaîne de montagnes simplement parce que les lignes sont un peu sinueuses.

La nouvelle solution : Ajouter un « Test de Réalité »

Pour corriger cela, les auteurs ont introduit deux nouvelles façons de tester la forme, agissant comme un test de réalité pour voir si le résultat « courbe » est réel ou s'il s'agit d'un coup de chance.

1. Le test de mélange (Permutation)

Imaginez que vous avez un jeu de cartes représentant les connexions dans le réseau.

L'ancienne méthode : Regarder les cartes et deviner la forme.
La nouvelle méthode : Vous mélangez le jeu de manière aléatoire, vous distribuez une nouvelle main et vous regardez si la forme semble toujours courbe. Vous faites cela des milliers de fois.
La logique : Si vous mélangez les connexions de manière aléatoire et que le résultat « courbe » apparaît toujours, alors la courbure pourrait n'être que du bruit aléatoire. Mais si la courbure n'apparaît que lorsque les connexions sont dans leur ordre spécifique et réel, alors la pièce est probablement réellement courbe.
Le bémol : Ce mélange est un peu trop strict. Il traite chaque connexion comme si elle n'était pas liée aux autres, ce qui n'est pas le cas dans la réalité.

2. Le simulateur de « Et si ? » (Bootstrapping)

C'est la principale innovation des auteurs. Au lieu de simplement mélanger les cartes de manière aléatoire, ils construisent un simulateur.

Ils observent le réseau réel et se disent : « D'accord, si ces deux personnes sont connectées, elles doivent être proches sur la carte cachée. Si elles ne sont pas connectées, elles doivent être éloignées. »
Ils utilisent cette logique pour générer des milliers de nouveaux réseaux fictifs qui ressemblent et se comportent exactement comme le vrai.
Ensuite, ils testent la forme sur tous ces réseaux fictifs.
Le Résultat : Si le réseau réel est significativement plus courbe que 95 % des réseaux fictifs, alors nous pouvons être certains que la pièce est réellement courbe.

Qu'ont-ils trouvé ?

Les auteurs ont testé ces méthodes sur des réseaux générés par ordinateur et sur des données réelles (comme le célèbre réseau du « Club de Karaté »).

L'ancienne méthode a échoué : Elle affirmait presque toujours que la pièce était courbe, même lorsqu'elle était plate.
Les nouvelles méthodes ont fonctionné : Le test de mélange et le simulateur étaient bien meilleurs pour faire la distinction.
- Ils ont correctement identifié quand un réseau était plat.
- Ils ont correctement identifié quand un réseau était courbe.
- Ils étaient particulièrement efficaces pour gérer les réseaux larges et clairsemés (ceux que l'on trouve couramment dans le monde réel), là où l'ancienne méthode se trompait complètement.

L'essentiel à retenir

L'article ne se contente pas de dire que « la courbure est préférable ». Il dit : « Ne vous fiez pas à votre intuition ou à un simple score de stress. »

Pour savoir si un réseau vit dans un monde plat ou courbe, vous devez prendre en compte l'incertitude. Vous devez vous demander : « Cette forme est-elle réelle, ou ai-je simplement eu de la chance avec les données ? » En utilisant ces nouveaux « tests de réalité » statistiques, les scientifiques peuvent enfin cesser de deviner pour commencer à connaître la véritable géométrie de leurs réseaux.

Une limite : La méthode du « Simulateur » est gourmande en ressources (elle demande beaucoup de puissance de calcul) et rencontre parfois des difficultés si le réseau est si clairsemé qu'il se fragmente en morceaux déconnectés pendant la simulation. Mais quand elle fonctionne, elle constitue un moyen bien plus fiable de percevoir la forme de la pièce invisible.

Résumé Technique : Sélection de Modèle Géométrique pour les Modèles de Réseaux à Espace Latent

Énoncé du Problème
Les modèles à espace latent représentent les liens de réseau comme une fonction de la distance entre les nœuds dans un espace géométrique sous-jacent de faible dimension. Bien que l'espace euclidien soit la norme par défaut, la géométrie hyperbolique est de plus en plus reconnue pour sa capacité à imiter les structures de réseaux complexes réalistes, telles que les structures arborescentes, les distributions de degrés asymétriques et une forte agrégation (clustering). Un défi critique dans l'analyse de réseaux consiste à déterminer quelle géométrie (euclidienne ou hyperbolique) sous-tend un réseau observé spécifique.

Les approches précédentes, telles que celles de Papamichalis et al. [2022], reposent sur la comparaison du « stress » (une métrique de qualité d'ajustement) du MDS (Scaling Multidimensionnel) appliqué aux distances géodésiques observées (longueurs de chemin le plus court) à travers différentes géométries. La méthode sélectionne la géométrie produisant le stress le plus faible. Cependant, ce document identifie une limitation significative : la comparaison des différences de stress brut manque de rigueur statistique et ne parvient pas à rendre compte de l'incertitude. Les simulations démontrent que cette approche naïve classifie fréquemment à tort des réseaux euclidiens larges et creux comme étant hyperboliques, car la métrique de stress seule est insuffisante pour distinguer la géométrie sous-jacente de manière fiable.

Méthodologie
Pour remédier au manque de fondement statistique de la sélection de géométrie, les auteurs proposent deux cadres de tests d'hypothèses qui intègrent l'incertitude, allant au-delà de la simple comparaison du stress :

Tests de Permutation (Non paramétriques) :
Adaptant les tests de permutation MDS standards au contexte des réseaux, les auteurs proposent un schéma de permutation préservant la densité. Au lieu de permuter la matrice de distance géodésique directement (ce qui violerait les propriétés métriques comme l'inégalité triangulaire), la méthode permute la matrice d'adjacence $Y$ .

Procédure : La matrice d'adjacence est permutée pour générer de nouveaux réseaux $\tilde{Y}$ tout en préservant la densité des arêtes. Seuls les réseaux connectés sont conservés. Le MDS classique et hyperbolique est appliqué aux distances géodésiques de ces réseaux permutés pour générer une distribution nulle des différences de stress.
Hypothèse : L'hypothèse nulle ( $H_0$ ) postule que la différence observée de stress entre les géométries est indiscernable de la différence obtenue via une permutation aléatoire.

Bootstrap Paramétrique via la Distance Latente Conditionnelle (Extension du Test J) :
Les auteurs étendent le test J de Davidson-MacKinnon aux modèles de réseaux à espace latent. Cette méthode génère une distribution de bootstrap paramétrique de réseaux conditionnés sur les distances géodésiques observées et le Modèle de Position Latente Gaussienne (GLPM).

Base Théorique : En s'appuyant sur le GLPM, les auteurs dérivent la distribution conditionnelle des distances latentes $P(d_{ij} | \delta_{ij} = k)$ , où $d_{ij}$ est la distance euclidienne latente et $\delta_{ij}$ est la distance géodésique observée. Cela permet de générer des réseaux de bootstrap qui respectent la structure du réseau observé (spécifiquement les distances géodésiques) plutôt que la simple densité des arêtes.
Procédure :
1. Estimer les paramètres pour le GLPM basés sur le réseau observé.
2. Générer des réseaux de bootstrap en échantillonnant les distances latentes à partir de la distribution conditionnelle $P(d_{ij} | \delta_{ij})$ et en construisant de nouvelles matrices d'adjacence.
3. Calculer la différence de stress pour chaque échantillon de bootstrap.
4. Calculer une p-valeur basée sur la proportion de différences de stress de bootstrap qui sont inférieures ou égales à la différence de stress observée.
Hypothèse : $H_0$ stipule que le modèle hyperbolique n'apporte aucune puissance explicative supplémentaire au-delà du modèle euclidien.

Résultats Clés
L'efficacité de ces méthodes a été évaluée par des simulations sur des réseaux de tailles (15 à 200 nœuds) et de densités variables, ainsi que sur des ensembles de données réels.

Résultats de Simulation :
- Différence de Stress Brut : Performante de manière médiocre sur les réseaux larges et creux, classifiant presque tous les réseaux euclidiens comme hyperboliques.
- Test de Permutation : Montre une spécificité améliorée (identification correcte des réseaux euclidiens) par rapport aux différences de stress brut, mais reste quelque peu conservateur, classifiant parfois à tort des réseaux hyperboliques. Il démontre une sensibilité plus élevée pour détecter les structures hyperboliques dans les grands réseaux.
- Réseaux par Bootstrap : Offre un meilleur équilibre entre sensibilité et spécificité. Il surpasse significativement la méthode de différence de stress brut pour distinguer les géométries dans les réseaux larges et creux, qui sont courants dans les données réelles.
- Limitations : La méthode de bootstrap nécessite que les réseaux générés soient connectés. Dans les cas de nœuds à très faible degré (ex: le jeu de données UKfaculty), le processus de rééchantillonnage produit fréquemment des graphes déconnectés, rendant la méthode inapplicable sans modification.
Applications au Monde Réel :
- Zachary's Karate Club : Bien que le stress brut ait favorisé un modèle hyperbolique, tant le test de permutation ( $p=0.1053$ que la méthode de bootstrap ( $p=0.1888$ ) n'ont pas réussi à rejeter l'hypothèse nulle, suggérant que la géométrie euclidienne est le meilleur ajustement.
- Autres Jeux de Données : À travers quatre autres jeux de données (UKfaculty, adjnoun, dolphins, ffe friend), les méthodes prenant en compte l'incertitude ont fourni des classifications plus nuancées que le stress brut. Par exemple, alors que le stress brut favorisait un modèle hyperbolique pour le réseau « ffe friend », les méthodes d'incertitude suggéraient que le modèle euclidien était un meilleur ajustement.

Signification et Revendications
L'article affirme que la sélection d'une géométrie latente basée uniquement sur les différences de stress MDS est statistiquement non fondée et sujette à l'erreur, particulièrement pour les réseaux larges et creux. La contribution principale est l'adaptation des cadres de test d'hypothèses (permutation et bootstrap paramétrique) au cadre des réseaux à espace latent pour rendre compte rigoureusement de l'incertitude.

Les auteurs affirment que :

Rigueur Statistique : L'intégration de l'incertitude via la permutation ou le bootstrapping empêche la classification systématique erronée des réseaux euclidiens comme étant hyperboliques.
Extension Méthodologique : Le travail étend avec succès le test J de Davidson-MacKinnon aux modèles à espaces latents non emboîtés avec des géométries différentes, en utilisant la distribution conditionnelle des distances latentes données les distances géodésiques.
Utilité Pratique : Les méthodes proposées sont particulièrement efficaces pour les réseaux « larges et creux » typiques des données réelles, là où la simple comparaison de stress échoue.

Les auteurs restent modestes quant aux limitations, notant que la méthode de bootstrap est coûteuse en calcul et dépend actuellement des hypothèses du GLPM gaussien. Ils suggèrent que des extensions futures pourraient impliquer d'autres modèles d'espace latent (par exemple, des liens non gausiens) ou des géométries de base différentes (par exemple, sphérique), mais ne proposent pas de nouvelles applications spécifiques au-delà de la portée de la présente analyse de simulation et de données réelles.