检测时序网络的社区结构与活动模式：一种非负张量分解方法
物理与社会
2014-02-04 v3 社会与信息网络
摘要
时序网络数据的日益普及，呼吁开展更多研究以提取和表征时序网络中的介观结构，并将此类结构与系统的特定功能或属性联系起来。一个突出的挑战是如何将静态网络的研究成果扩展至时变网络，其中系统的拓扑结构与其组件的时间活动模式相互交织。在此，我们研究利用一种潜在因子分解技术——非负张量分解，来提取时序网络的社区 - 活动结构。该方法具有内在的时间性，能够同时识别社区并追踪其随时间的活动。我们将时序网络的时变邻接矩阵表示为三阶张量，并将该张量近似为若干项之和，这些项可解释为具有相关联活动时间序列的节点社区。我们总结了已知的张量分解计算技术，并讨论了一些可用于调整分解表示复杂度的质量度量指标。随后，我们将张量分解应用于一个具有社区结构和时间活动模式真实基准的时序网络。所用数据描述了学校中学生的社会互动、学生与班级的关联以及学生随时间的时空轨迹。我们表明，非负张量分解能够以高精度恢复班级结构。特别是，提取出的张量分量既可以验证为已知的学校班级，也可以根据相关的活动模式（即由已知学校活动日程决定的时空重合）进行验证。
引用
@article{arxiv.1308.0723,
title = {Detecting the community structure and activity patterns of temporal networks: a non-negative tensor factorization approach},
author = {Laetitia Gauvin and André Panisson and Ciro Cattuto},
journal= {arXiv preprint arXiv:1308.0723},
year = {2014}
}