基于块结构的时间序列图序列模型

Mehrnaz Amjadi; Theja Tulabandhula

基于块结构的时间序列图序列模型

机器学习 2018-09-19 v2 机器学习应用统计

作者: Mehrnaz Amjadi , Theja Tulabandhula

摘要

尽管使用块模型对单张图进行建模的计算与统计权衡已相对明晰，但将此类结果推广至图序列却困难重重。本文朝此方向迈出一步，提出两种图序列模型，分别刻画：(a) 节点间跨时间的连边持续性，以及 (b) 各节点跨时间的社区持续性。在第一种模型中，我们假设每个节点的潜在社区不随时间改变；在第二种模型中，我们适当地放宽了该假设。对于这两种所提模型，我们提供了统计上和计算上均高效的推断算法，其独特之处在于利用了针对单张图工作的社区检测方法。我们还提供了实验结果，在合成与真实实例上验证了所提模型与方法的适用性。

关键词

图序列块模型社区检测连边持续性推断算法时间序列模型

引用

@article{arxiv.1804.08796,
  title  = {Block-Structure Based Time-Series Models For Graph Sequences},
  author = {Mehrnaz Amjadi and Theja Tulabandhula},
  journal= {arXiv preprint arXiv:1804.08796},
  year   = {2018}
}

备注

40 pages, 10 figures

基于块结构的时间序列图序列模型

摘要

关键词

引用

备注

相关论文