时序网络模体的解析模型：趋势与异常发现
社会与信息网络
2022-01-03 v1
摘要
动态演化网络捕捉了社交网络、通信网络和金融交易网络等领域中的时序关系。在此类网络中，时序模体（即带时间戳的边/交易的重复序列）提供了关于网络演化与功能的宝贵信息。然而，目前不存在时序图的解析模型，也没有能够可扩展地建模时序模体频率随时间变化的模型。本文提出时序活动状态块模型（TASBM）来建模时序图中的时序模体。我们开发了高效的模型拟合方法，并推导了给定时序网络中期望模体频率及其方差的闭式表达式，从而能够发现具有统计显著性的时序模体。我们的TASBM框架能准确追踪期望模体频率随时间的改变，并且可良好扩展至拥有数千万条边/交易的网络，因为它无需耗时的生成大量随机时序网络并逐一计算模体计数。我们展示了TASBM能够建模金融交易、电话和电子邮件网络中时序活动随时间的改变。此外，我们表明由该解析框架算得的期望模体计数的偏差对应于金融交易与电话呼叫网络中的异常。
引用
@article{arxiv.2112.14871,
title = {Analytical Models for Motifs in Temporal Networks: Discovering Trends and Anomalies},
author = {Alexandra Porter and Baharan Mirzasoleiman and Jure Leskovec},
journal= {arXiv preprint arXiv:2112.14871},
year = {2022}
}