面向连续时间网络中相依关系事件的多变量社区Hawkes模型
统计方法学
2022-07-08 v2 机器学习
社会与信息网络
机器学习
摘要
随机块模型（SBM）是网络数据最广泛使用的生成模型之一。许多连续时间动态网络模型基于与SBM相同的假设：在给定块或社区成员关系条件下，所有节点对之间的边或事件条件独立，这导致它们无法再现真实网络中常见的三角形等更高阶模体。我们提出了多变量社区Hawkes（MULCH）模型，一种极具灵活性的基于社区的连续时间网络模型，利用结构化多变量Hawkes过程在节点对之间引入依赖性。我们使用谱聚类和基于似然的局部细化过程来拟合该模型。我们发现，所提出的MULCH模型在预测和生成任务上均远比现有模型准确。
引用
@article{arxiv.2205.00639,
title = {The Multivariate Community Hawkes Model for Dependent Relational Events in Continuous-time Networks},
author = {Hadeel Soliman and Lingfei Zhao and Zhipeng Huang and Subhadeep Paul and Kevin S. Xu},
journal= {arXiv preprint arXiv:2205.00639},
year = {2022}
}
备注
To appear at ICML 2022. Code available at https://github.com/IdeasLabUT/Multivariate-Community-Hawkes