基于图神经网络的时间社交网络建模：移动连通性数据的分析
社会与信息网络
2025-09-04 v1 机器学习
摘要
图神经网络（GNN）已成为建模图结构复杂网络连通性数据、集成节点和边在时空中的信息的前沿数据驱动工具。然而，至今尚未广泛研究利用人们移动连通性数据的时间序列分析社交网络。在本研究中，我们检验了四种基于快照的时间GNN在预测移动通信网络用户之间电话通话和短信活动方面的效果。此外，我们开发了一个基于最近提出的EdgeBank方法的简单非GNN基线模型。我们的分析表明，ROLAND时间GNN在大多数情况下优于基线模型，而另外三个GNN的平均表现不如基线模型。结果表明，GNN方法在通过移动连通性数据分析时间社交网络方面具有潜力。然而，由于ROLAND与基线模型之间相对较小的性能差距，针对时间社交网络分析的专用GNN架构的进一步研究仍然必要。
引用
@article{arxiv.2509.03319,
title = {Temporal social network modeling of mobile connectivity data with graph neural networks},
author = {Joel Jaskari and Chandreyee Roy and Fumiko Ogushi and Mikko Saukkoriipi and Jaakko Sahlsten and Kimmo Kaski},
journal= {arXiv preprint arXiv:2509.03319},
year = {2025}
}
备注
22 pages, 7 figures