一种针对时变图的三角聚类方法
机器学习
2013-01-15 v1 社会与信息网络
机器学习
摘要
本文引入了一种追踪时变图中结构的新技术。该方法基于一种无参数方法，对源顶点、目标顶点和时间进行三维共聚类。所有这些特征被同时分割，以构建时间片段和边分布相似且在时间片段上以相同方式演化的顶点簇。该方法的主要创新之处在于时间片段是直接从顶点间边分布的演化中推断出来的，因此不需要用户进行先验离散化。在合成数据集上的实验展示了该技术的良好表现，而对真实数据集的研究则表明了所提方法在探索性数据分析中的潜力。
引用
@article{arxiv.1301.2659,
title = {A Triclustering Approach for Time Evolving Graphs},
author = {Romain Guigourès and Marc Boullé and Fabrice Rossi},
journal= {arXiv preprint arXiv:1301.2659},
year = {2013}
}