通过信息引导的多步图剪枝以保持社交网络的核心结构
社会与信息网络
2025-10-14 v1 信息论
math.IT
摘要
社交网络通常包含密集且重叠的连接,这些连接掩盖了其基本的交互模式,使得分析与解释具有挑战性。识别此类网络的结构主干对于理解社区组织、信息流动以及功能关系至关重要。本研究提出了一种多步网络剪枝框架,该框架利用信息论原理来平衡结构复杂度与任务相关信息。该框架基于边对任务相关互信息的贡献,迭代地评估并移除图中的边,从而生成一条保留大部分固有语义的简化网络轨迹。受梯度提升的启发,我们提出了 IGPrune,它能够实现高效、可微的优化,以渐进地揭示语义上有意义的连接。在社交网络与生物网络上的大量实验表明,IGPrune 能够保留关键的结构与功能模式。除定量性能外,剪枝后的网络揭示了可解释的主干结构,凸显了该方法在支持科学发现以及为现实网络提供可操作洞见方面的潜力。
引用
@article{arxiv.2510.10499,
title = {Preserving Core Structures of Social Networks via Information Guided Multi-Step Graph Pruning},
author = {Yutong Hu and Bingxin Zhou and Jing Wang and Weishu Zhao and Liang Hong},
journal= {arXiv preprint arXiv:2510.10499},
year = {2025}
}