多路复用网络中的统一核心结构：从寻找最密子图到建模用户参与度

在许多复杂系统中，对象之间的相互作用跨越多个方面。多路复用网络是准确的建模范例，其中每条边都与一种类型相关联。图谱挖掘的关键原语之一是提取密集子图，这导致了诸如K-核等有趣概念的出现，后者是复杂网络的构建块。尽管最近尝试将核心概念扩展到多路复用网络，但现有研究受制于以下限制子集：1) 强制所有节点在相同的关系类型集合中显示其高度，而在多路复用网络中，某些连接类型对某些节点可能是噪声;2) 要么需要高计算成本，要么忽略了多路复用网络的复杂信息;3) 假设所有关系类型都具有相同的重要性。我们引入S-核，这是一种针对多路复用网络的新型统一密集结构家族，采用函数S(.)来总结每个节点的度向量。我们讨论如何从数据中选择合适的S(.)。为展示S-核的有用性，我们聚焦于寻找最密子图以及建模多路复用网络中的用户参与度。我们提出一种新的密度度量，并讨论其相对于现有密度度量的优势。我们表明，在多路复用网络中寻找最密子图的问题是NP难的，并设计一种基于S-核的高效近似算法。最后，我们提出一种新的数学模型，用于在存在不同关系类型的情形下建模用户参与度。我们的实验显示，我们的算法在效率和有效性方面都表现出色，并支持我们提出的用户参与度数学模型。