时序网络中系统状态序列的检测

自然界、社会和技术中许多随时间演化的系统都会留下其内部交互的痕迹。这些交互形成反映系统状态的时序网络。在这项工作中，我们通过对这些系统进行粗粒度描述，提出一种为系统赋予离散状态并从数据中推断此类状态序列的方法。例如，这些状态可对应于（由神经影像数据推断的）心理状态或（由人际通信推断的）组织运行状态。我们的方法结合了图距离度量与层次聚类。利用多个社交时序网络的经验数据集，我们表明该方法能够推断系统状态，例如学校中的不同活动，以及工作日状态相对于周末状态。我们期望这些方法在其他场景（如时变蛋白质交互、生态种间交互、脑功能连接和自适应社交网络）中同样有用。