动态接触网络中时序节点画像的聚类
社会与信息网络
2021-04-14 v1
摘要
流图是时序网络数据的一种非常有用的表示方式，其丰富性提供了广泛的可能方法。旨在推广应用于静态网络的经典方法的各种方法在不断改进。在本文中，我们描述了一个将 [1] 中提出的静态网络迭代加权富俱乐部刻画扩展到流图的框架。其一般原则是，我们不再考虑节点在整个时间段内对某个加权富俱乐部的隶属关系，而是将每个节点与一个时序画像相关联，该画像是节点在整段时期内先后隶属的出现、消失和变化的加权富俱乐部的依次拼接。对这些画像进行聚类，可以建立一份精简的典型时序画像列表，从而更深入地理解网络的时序结构。该方法在通过记录不同学校学生之间互动所产生的真实世界数据上进行了测试。[1] M. Djellabi, B. Jouve, and F. Amblard. Dense and sparse vertex connectivity in networks. Journal of Complex Networks, 8(3), 2020.
引用
@article{arxiv.2104.05982,
title = {Clustering of temporal nodes profiles in dynamic networks of contacts},
author = {Mehdi Djellabi and Bertrand Jouve},
journal= {arXiv preprint arXiv:2104.05982},
year = {2021}
}