使用连接序列张量检测时序网络的动态状态

许多时序网络表现出多种系统状态，例如社交接触网络中的工作日和周末模式。最近，检测时序网络数据中的这种不同状态已被探索，因为它有助于揭示潜在的动态过程。一种常用的方法是在时间窗口上进行网络聚合，将多个网络快照的子序列聚合为一个静态网络。然而，这种方法必然会丢弃时间窗口内的时序动态。本文我们开发了一种新方法，利用每对节点之间接触时间线的信息来检测时序网络中的动态状态。我们应用一种受时间序列处理技术和社区检测技术启发的相似性度量，将给定的时序网络顺序分解为多个动态状态（包括重复状态）。在经验时序网络数据上的实验表明，我们的方法在揭示可解释的系统状态方面优于使用简单网络聚合的传统方法。此外，我们的方法允许用户分析层次时序结构，并在不同空间/时间分辨率下发现动态状态。