CENI：一种高效推断信息网络的混合框架
社会与信息网络
2015-03-18 v1
摘要
如今，用户或网站间的消息扩散链接驱动了无数创新应用的发展。然而在现实中，我们更容易观察到网络中不同节点对消息作出反应的时间戳，而赋能消息扩散的连接却保持隐藏。这促使近期对网络推断问题的广泛研究：从经由这些连接传播的消息记录中揭示边。现有解决方案计算代价高昂，这促使我们开发一种高效的两步通用框架——聚类嵌入网络推断（CENI）。CENI 整合聚类策略以提升网络推断效率。通过在消息时间线上直接聚类节点，我们提出 CENI 的两种朴素实现：以感染为中心的 CENI (Infection-centric CENI) 与以级联为中心的 CENI (Cascade-centric CENI)。此外，我们指出 CENI 的关键维度问题：相较于单维时间线，我们需要先在聚类前将节点投影到特定维度的欧几里得空间。在投影空间上采用聚类方法的 CENI 能更好地保留级联中隐藏的结构，并生成更精确推断的链接。该见解为其他试图发现或利用传播消息中潜在聚类结构的相关工作带来启发。通过解决关键维度问题，我们提出 CENI 框架的第三种实现：基于投影的 CENI (Projection-based CENI)。通过在两个真实数据集上的大量实验，我们表明三种 CENI 模型仅需要最先进方法约 20% 50% 的运行时间。此外，基于投影的 CENI 推断出的边保持甚至优于最先进方法的有效性。
引用
@article{arxiv.1503.04927,
title = {CENI: a Hybrid Framework for Efficiently Inferring Information Networks},
author = {Qingbo Hu and Sihong Xie and Shuyang Lin and Senzhang Wang and Philip Yu},
journal= {arXiv preprint arXiv:1503.04927},
year = {2015}
}
备注
Full-length version of the paper with the same title published in ICWSM 2015