基于超Laplacian的时序网络多集谱聚类
社会与信息网络
2025-09-24 v4 动力系统
物理与社会
摘要
复杂的时间可变网络是描述各种时空现象的重要模型。网络的功能在于其连通性，但可靠的时序网络社区学习技术仍显得匮乏。我们将连续时域上流形上的成功谱方法推广到图结构中以弥补这一缺口。我们考虑图的超Laplacian，并构建相应算法实现的谱理论。我们发展了针对多路和非多路网络的谱聚类方法，基于超Laplacian的特征向量以及专用的稀疏特征基近似( Sparse EigenBasis Approximation, SEBA)后处理。我们展示了该方法在时空和分层两种情况下均优于Leiden算法，并分析了美国参议院的投票数据（其中参议员随着国会演变而来去），以量化随时间增加的两极化程度。
关键词
引用
@article{arxiv.2409.11984,
title = {Multi-set spectral clustering of time-evolving networks using the supra-Laplacian},
author = {Gary Froyland and Manu Kalia and Péter Koltai},
journal= {arXiv preprint arXiv:2409.11984},
year = {2025}
}
备注
50 pages, 9 figures, code: https://github.com/mkalia94/TemporalNetworks.jl/, typos fixed from v3