留还是走：预测聚类成员关系的变化
社会与信息网络
2021-07-16 v1
摘要
大多数关于预测社区演化的研究聚焦于社区状态的变化。相反，我们关注个体节点，并定义了预测特定节点是留在同一聚类、移至另一聚类还是退出网络这一新问题。我们探索该问题的多种变体，并基于局部与全局节点度量提出适当的分类特征。受基于嵌入的机器学习方法盛行的启发，我们还引入使用恰当节点嵌入高效计算的距离基特征。此外，我们考虑特征链以捕捉节点的历史。我们的实验结果刻画了该问题不同表述的复杂性，以及所选特征与链长度的适用性。
引用
@article{arxiv.2107.07362,
title = {Should I Stay or Should I Go: Predicting Changes in Cluster Membership},
author = {Evangelia Tsoukanara and Georgia Koloniari and Evaggelia Pitoura},
journal= {arXiv preprint arXiv:2107.07362},
year = {2021}
}
备注
12 pages, 4 figures