动态网络中的互惠性、社区检测与链接预测
社会与信息网络
2023-10-25 v1 物理与社会
摘要
许多复杂系统随时间改变其结构，在此类情形下动态网络可提供更丰富的现象表征。因此，许多推断方法已被推广到动态情形，以建模动态交互。将随机块模型及其变体扩展以捕捉网络随时间变化的社区结构，已受到特别关注。尽管这些模型假设边的形成仅依赖于社区隶属关系，近期针对静态网络的研究表明，纳入捕捉结构性质的附加参数（例如互惠性）十分重要。值得注意的是，这些模型能够生成比仅考虑社区隶属关系的模型更真实的网络表征。为此，我们提出一个带隐变量的概率生成模型，将互惠性与社区作为随时间演化的网络的结构信息加以整合。该模型对观测互惠数据赋予一种基本次序，即一条边在其过去互惠边条件下被观测到。我们采用马尔可夫方法构建时间步间的网络转移矩阵，并以期望最大化（Expectation-Maximization）算法进行参数推断，该算法因利用数据集的稀疏性而具有很高计算效率。我们在合成动态网络以及真实引用网络与电子邮件数据集上测试了模型性能。结果表明，相较仅含社区结构的标准模型，我们的模型更好地捕捉了真实网络的互惠性，同时在链接预测任务上表现良好。
引用
@article{arxiv.2112.09624,
title = {Reciprocity, community detection, and link prediction in dynamic networks},
author = {Hadiseh Safdari and Martina Contisciani and Caterina De Bacco},
journal= {arXiv preprint arXiv:2112.09624},
year = {2023}
}