时序网络中链路预测综述
人工智能
2025-03-03 v1 社会与信息网络
摘要
在过去十年中，时序网络因能够对复杂系统内的动态交互进行建模而获得了显著关注。该领域的一个关键挑战是时序链路预测 (TLP)，其旨在通过分析跨各种应用（包括社交网络分析）的历史网络结构来预测未来连接。虽然现有综述涵盖了 TLP 的特定方面，但它们通常缺乏一个区分表示方法和推断方法的综合框架。本综述通过引入一种新颖的分类法来弥补这一差距，该分类法明确检查了现有方法中的表示和推断，为 TLP 方法提供了一种新颖的分类。我们分析了不同的表示技术如何捕获时间和结构动态，并检查了它们与各种推断方法在直推式和归纳式预测任务中的兼容性。我们的分类法不仅阐明了方法论图景，还揭示了现有技术中极具前景但尚未被探索的组合。该分类法为 TLP 中新兴的挑战（包括模型可解释性和复杂时序网络的可扩展架构）提供了系统的基础。
引用
@article{arxiv.2502.21185,
title = {A Survey of Link Prediction in Temporal Networks},
author = {Jiafeng Xiong and Ahmad Zareie and Rizos Sakellariou},
journal= {arXiv preprint arXiv:2502.21185},
year = {2025}
}