用于动态网络预测任务的DynACPD嵌入算法

经典网络嵌入创建了跨节点特征间学习关系的低维表示。此类嵌入对于链接预测与节点分类等任务十分重要。在本文中，我们考虑动态网络的低维嵌入，即一类时变网络，其中节点间同时存在时间与空间链接关系。我们基于动态张量表示的高阶张量分解，提出了一种动态网络的新型嵌入方法。在某种意义上，我们的嵌入类似于静态网络的谱嵌入。我们通过数学分析其有效性的若干潜在原因，为算法提供理论依据。最后，我们在三个不同的真实世界动态网络的链接预测任务上，将算法性能与一系列当前基线方法比较，展示了我们方法的效力与效率。