TIMERS：动态网络上误差有界的 SVD 重启
社会与信息网络
2017-11-28 v1
摘要
奇异值分解（SVD）是各种网络应用（如链接预测与网络参数刻画）中的常用方法。增量 SVD 方法被提出用于处理动态网络中新变更的节点与边。然而，增量 SVD 方法由于对增量更新的近似而不可避免地遭受严重的误差累积。SVD 重启是重置累积误差的有效方法，但文献中尚未解决动态网络何时重启 SVD 的问题。本文中，我们提出 TIMERS（Theoretically Instructed Maximum-Error-bounded Restart of SVD，理论指导的最大误差有界 SVD 重启），一种通过最优设定重启时间以减少随时间误差累积的新方法。具体而言，我们监控增量更新的重构损失与 SVD 模型中最小损失之间的裕度。为降低监控复杂度，我们从理论上推导了动态网络 SVD 最小损失的下界，并在监控中用该下界替代最小损失。通过设定最大容忍误差作为阈值，当裕度超过该阈值时可自动触发 SVD 重启。我们证明所提方法的时间复杂度相对于局部动态变更数量呈线性，且该方法通用于不同类型的动态网络。我们在多个合成与真实动态网络上进行了大量实验。实验结果表明，在固定重启次数时，所提方法将动态网络重构的最大误差降低了 27% 至 42%，显著优于现有方法。在固定最大容忍误差时，我们的方法将重启次数减少了 25% 至 50%。
引用
@article{arxiv.1711.09541,
title = {TIMERS: Error-Bounded SVD Restart on Dynamic Networks},
author = {Ziwei Zhang and Peng Cui and Jian Pei and Xiao Wang and Wenwu Zhu},
journal= {arXiv preprint arXiv:1711.09541},
year = {2017}
}
备注
9 pages, 5 figures, AAAI-18