观测轨迹中的序列模体
物理与社会
2022-01-04 v2 社会与信息网络
摘要
复杂网络的结构可通过计数与分析网络模体来刻画。模体是在网络中重复出现的小子图,例如三角形或链。近期工作已将模体推广至时序与动态网络数据。然而,现有技术无法推广到序列或轨迹数据,后者表示实体在网络节点间的移动,例如乘客在交通网络中的移动。这类数据的观测单元有本质不同,因为我们分析的是轨迹的完整观测(例如从机场 A 经机场 B 到机场 C 的行程),而非边的独立观测或随时间变化的图快照。本文中,我们定义轨迹数据中的序列模体,即对应于观测序列中模式的小的有向、边加权子图。我们建立了序列模体的计数与分析同高阶网络(HON)模型之间的联系。我们表明,通过将 HON(具体为 k 阶 DeBruijn 图)的边映射到序列模体,我们可以计数并评估其在观测数据中的重要性。我们用两个数据集测试了我们的方法:(1) 乘客在机场网络中的导航;(2) 人们在维基百科条目网络中的导航。我们发现最普遍且最重要的序列模体对应于真实系统中直观的遍历模式,并经验性地表明观测高阶 DeBruijn 图中边权重的异质性对我们空模型下预期看到的序列模体分布有影响。
引用
@article{arxiv.2112.05642,
title = {Sequential Motifs in Observed Walks},
author = {Timothy LaRock and Ingo Scholtes and Tina Eliassi-Rad},
journal= {arXiv preprint arXiv:2112.05642},
year = {2022}
}