网络流的贝叶斯动态建模与监控
统计方法学
2022-06-08 v2
摘要
在大型电子商务网站动态网络流数据的动机研究背景下，我们开发了用于在线/序列分析的贝叶斯模型，以监控并适应节点-节点流量所反映的变化。对于大规模网络，我们使用动态广义线性模型 (DGLM) 定制了核心贝叶斯时间序列分析方法。利用最近在多元时间序列中引入的解耦/耦合概念，将这些方法整合到多元网络的上下文中。该方法支持对大规模网络上的流进行灵活的动态建模，并在分析与整体多元动态流模型保持一致的同时，利用分析的局部并行化。此方法以互联网数据案例研究为基础，其中商业新闻网站的访客流定义了超过 56,000 个节点对上节点-节点计数的长时间序列。核心问题包括表征流量模式中固有的随机性、理解节点-节点交互、适应流的动态变化，以及允许灵敏监控以标记异常。动态网络 DGLM 的方法适用于许多动态网络流研究。
引用
@article{arxiv.1805.04667,
title = {Bayesian Dynamic Modeling and Monitoring of Network Flows},
author = {Xi Chen and David Banks and Mike West},
journal= {arXiv preprint arXiv:1805.04667},
year = {2022}
}
备注
34 pages, 24 figures