协同演化多层网络中链路预测的整体方法
社会与信息网络
2016-09-14 v1
摘要
从社交媒体平台提取的网络通常包含多种随时间动态变化的链路类型；这些链路可用于表示二元交互，如经济交易、通信和共同活动。将此类数据组织成动态多重网络（其中每层由连接相同底层顶点的单一边类型构成），可以揭示有趣的跨层交互模式。在协同演化网络中，某一层中的链路会增加相同节点对之间形成其他类型链路的概率。因此，我们认为，同时考虑所有层的整体方法可以优于在每层中分别进行链路预测的分解方法。本文引入了一个综合框架 MLP (Multilayer Link Prediction)，在该框架中，目标层的链路存在似然性是从其他网络层学习得到的。这些似然性用于对一个单层链路预测方法的输出进行重新加权，该方法使用秩聚合来结合一组拓扑度量。我们的实验表明，在跨网络层融合信息方面，我们的重新加权过程优于其他方法。
引用
@article{arxiv.1609.03946,
title = {A Holistic Approach for Predicting Links in Coevolving Multilayer Networks},
author = {Alireza Hajibagheri and Gita Sukthankar and Kiran Lakkaraju},
journal= {arXiv preprint arXiv:1609.03946},
year = {2016}
}