基于智能体行为同步性和认知机制的社交网络时序链接预测
社会与信息网络
2024-06-17 v2
摘要
时序性是社交关系形成的关键特征，常用于量化网络对链接预测模型的长期时间效应，忽略了不同时间尺度上时间效应的异质性。在本工作中，我们提出了一种新的方法，用于时序网络的链接预测，通过扩展现有方法引入一种捕获相互作用动态的认知机制。我们的方法通过模拟忘记和加强连接的过程，根据相互作用强度计算边缘权重及其随时间的变化，类似于人类大脑中的记忆痕迹。我们利用五个真实数据集，用于预测社交联系、缺失事件和潜在链接。我们发现：(a) 认知机制使我们能够更准确地捕捉时序效应的异质性，平均精度提升 9%；(b) 局部结构和同步智能体行为对不同类型数据集的贡献不同；(c) 适当增加时间间隔，在计算智能体行为同步性时分割时间窗口，以减少噪声的负面影响，对链接预测任务有效。
引用
@article{arxiv.2406.06814,
title = {Temporal Link Prediction in Social Networks Based on Agent Behavior Synchrony and a Cognitive Mechanism},
author = {Yueran Duan and Mateusz Nurek and Qing Guan and Radosław Michalski and Petter Holme},
journal= {arXiv preprint arXiv:2406.06814},
year = {2024}
}
备注
Equation 3 corrected, appendix added, acknowledgment extended