弗朗西斯科·桑娜·帕西诺；安娜·贝蒂格。；Joshua C.尼尔。；尼古拉斯·赫德。 动态网络中使用随机点积图的链接预测。 （英语） Zbl 1493.62549号 数据最小知识。迪斯科。 35，编号5，2168-2199（2021）. 摘要：预测大型网络中的链接是各种实际应用中的一项重要任务，包括社会科学、生物学和计算机安全。本文详细介绍、分析了基于流行的随机点积图模型的链路预测统计技术，并将其扩展到动态设置。基于网络安全的实际应用，本文证明了随机点积图不仅是推断多个网络之间差异的有力工具，而且对于预测目的和理解网络的时间演化也是有效的。链路的概率通过两个阶段的信息融合获得：谱方法提供每个节点的潜在位置估计，时间序列模型用于捕获时间动态。这样，传统的链路预测方法（通常基于整个网络邻接矩阵的分解）利用时间信息进行了扩展。本文中介绍的方法应用于许多模拟图和真实图，显示了很有希望的结果。 MSC公司： 62M20型 随机过程推断和预测 05C80号 随机图（图形理论方面） 关键词：邻接谱嵌入；动态网络；链路预测；随机点积图 软件：DeepWalk公司；节点2vec；预测；动态记录仪2vec；github；亚当；StellarGraph公司；预测；DynGEM公司 PDF格式BibTeX公司 XML格式引用 \textit{F.Sanna Passino}等人，Data Min.Knowl。发现。35，第5号，2168--2199（2021；Zbl 1493.62549） 全文： 内政部 参考文献： [1] Abu El Haija S，Perozzi B，Al Rfou R，Alemi AA（2018）注意你的步骤：通过图注意力学习节点嵌入。主题：神经信息处理系统进展。第31卷。Curran Associates公司 [2] Arroyo-Relión JD，Athreya A，Cape J，Chen G，Priebe CE，Vogelstein JT（2020）《具有公共不变子空间的多个异构网络的推断》。机器学习研究杂志（即将出版）·Zbl 07415085号 [3] 阿罗约·雷利翁，JD；凯斯勒，D。；莱维纳，E。；Taylor，SF，《大脑连接组学应用的网络分类》，《Ann Appl Stat》，第13、3、1648-1677页（2019年）·Zbl 1433.62314号 ·doi:10.1214/19-AOAS1252 [4] Athreya，A。；德国费什金；唐，M。；普里贝，CE；Park，Y。；Vogelstein，JT公司；莱文，K。；利津斯基，V。；秦，Y。；Sussman，DL，《随机点积图的统计推断：一项调查》，J Mach Learn Res，18，226，1-92（2018）·Zbl 1473.05279号 [5] 马萨诸塞州本杰明；里格比，RA；Stasinopoulos，DM，广义自回归移动平均模型，美国统计协会杂志，98，461，214-223（2003）·Zbl 1047.62076号 ·doi:10.19198/016214503388619238 [6] 普华永道Brockwell；Davis，RA，Springer统计系列。《时间序列：理论与方法》（1987），纽约：斯普林格出版社，纽约·Zbl 0604.62083号 ·数字对象标识代码：10.1007/9781-4899-0004-3 [7] 蔡，H。；郑，大众；Chang，K.，《图形嵌入的综合调查：问题、技术和应用》，IEEE Trans Knowl Data Eng，30，9，1616-1637（2018）·doi:10.1109/TKDE.018.2807452 [8] Charlin L，Ranganath R，McInerney J，Blei DM（2015）动态泊松因子分解。在：第九届美国计算机学会推荐系统会议论文集。第155-162页 [9] 陈，B。；李，F。；陈，S。；胡，R。；Chen，L.，基于非负矩阵分解的链接预测，PLOS ONE，12，8，1-18（2017） [10] Chen H，Li J（2018）在动态链接预测中探索结构和时间演化。摘自：第27届ACM信息和知识管理国际会议记录。第427-436页 [11] CSIRO的Data61:Stellargraph机器学习库。https://github.com/staregraph/stellargraph (2018) [12] Deng D，Shahabi C，Demiryurek U，Zhu L，Yu R，Liu Y（2016）预测时变交通量的道路网络潜在空间模型。摘自：第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集。第1525-1534页 [13] Dong，X。；弗洛萨德，P。；范德盖恩斯特，P。；Nefedov，N.，通过格拉斯曼流形上的子空间分析对多层图进行聚类，IEEE Trans-Signal Process，62，4，905-918（2014）·Zbl 1394.94973号 ·doi:10.1109/TSP.2013.2295553 [14] 伊利诺伊州德莱顿；Mardia，KV，《统计形状分析及其在R中的应用》（2016），霍博肯：约翰·威利父子出版社，霍博克·Zbl 1381.62003年 ·doi:10.1002/9781119072492 [15] 邓拉维，DM；科尔达，TG；Acar，E.，使用矩阵和张量分解进行时间链接预测，ACM Trans-Knowl Discov Data，5，2，1-27（2011）·数字对象标识代码：10.1145/1921632.1921636 [16] 杜兰特，D。；Dunson，DB，关系数据的非参数Bayes动态建模，Biometrika，101,4883-898（2014）·Zbl 1306.62075号 ·doi:10.1093/biomet/asu040 [17] 杜兰特，D。；Dunson，DB，《贝叶斯推理与大脑网络群体差异测试》，贝叶斯分析，13，1，29-58（2018）·Zbl 06873717号 ·doi:10.1214/16-BA1030 [18] 贾马，J。；塞巴斯蒂昂，R。；罗德里格斯，PP，《关于评估流学习算法》，《马赫学习》，90，3，317-346（2013）·Zbl 1260.68329号 ·doi:10.1007/s10994-012-5320-9 [19] Gao S，Denoyer L，Gallinari P（2011）《整合内容和结构信息的时间链接预测》。摘自：第20届ACM信息和知识管理国际会议记录。第1169-1174页 [20] Ghashami M，Liberty E，Phillips JM（2016）稀疏矩阵的高效频繁方向算法。摘自：第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集。第845-854页 [21] Ginestet，行政长官；Li，J.等人。；巴拉昌德兰，P。；罗森博格，S。；Kolaczyk，ED，功能神经成像中网络数据的假设测试，Ann Appl Stat，11，2，725-750（2017）·Zbl 1391.62217号 ·doi:10.1214/16-AOAS1015 [22] Gower，JC，广义Procrustes分析，《心理测量学》，40，1，33-51（1975）·Zbl 0305.62038号 ·doi:10.1007/BF02291478 [23] Goyal P，Kamra N，He X，Liu Y（2017）DynGEM:动态图的深度嵌入方法。参加：IJCAI图形表征学习国际研讨会， [24] 戈亚尔，P。；Rokka Chhetri，S。；Canedo，A.，dyngraph2vec：使用动态图表示学习捕获网络动力学，基于知识的系统，187104816（2020）·doi:10.1016/j.knosys.2019.06.024 [25] Goyal P，Rokka Chhetri S，Mehrabi N，Ferrara E，Canedo A（2018）DynamicGEM：动态图嵌入方法库。arXiv电子打印 [26] Grover A，Leskovec J（2016）node2vec：网络的可扩展特征学习。摘自：第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集。第855-864页 [27] 伊利诺伊州古内什。；Gündüz-Øüdücü，ö。；Joataltepe，Z.，使用基于邻居的节点相似性得分的时间序列进行链接预测，Data Min Knowl Discov，30，1，147-180（2016）·Zbl 1411.62268号 ·doi:10.1007/s10618-015-0407-0 [28] Hamilton WL，Ying R，Leskovec J（2017）《大型图的归纳表示学习》。摘自：第31届神经信息处理系统国际会议论文集。第1025-1035页 [29] 霍夫，PD；Raftery，AE；Handcock，MS，社会网络分析的潜在空间方法，J Am Stat Assoc，97，460，1090-1098（2002）·兹比尔1041.62098 ·doi:10.19198/016214502388618906 [30] 荷兰，普华永道；拉斯基，KB；Leinhardt，S.，《随机块模型：第一步》，Soc Netw，5，2，109-137（1983）·doi:10.1016/0378-8733（83）90021-7 [31] Hosseini，SA；Khodadadi，A。；Alizadeh，K。；Arabzadeh，A。；Farajtabar，M。；查，H。；Rabiee，HR，时间建议的递归泊松因子分解，IEEE Trans-Knowl Data Eng，32，1，121-134（2020）·doi:10.1109/TKDE.2018年2879796 [32] Hyndman，R。；Khandakar，Y.，《自动时间序列预测：R的预测包》，J Stat Softw，27，3，1-22（2008）·doi:10.18637/jss.v027.i03 [33] 石黑浩，K。；岩田，T。；Ueda，N。；Tenenbaum，JB，时变关系数据分析的动态无限关系模型，Adv Neural Inf Process Syst，23，919-927（2010） [34] Jeske博士；史蒂文斯，NT；Tartakovsky，AG；Wilson，JD，网络监控的统计方法，Appl Stoch Models Bus Ind，34，425-445（2018）·Zbl 1400.62344号 ·doi:10.1002/asmb.2326 [35] Jones A，Rubin-Delanchy P（2021）多层随机点积图 [36] Kauppi，H。；Saikkonen，P.，用动态二元响应模型预测美国经济衰退，《经济评论统计》，90，4，777-791（2008）·doi:10.1162/rest.90.4.777 [37] 卡泽米，SM；Goel，R。；Jain，K。；科比泽夫，I。；Sethi，A。；福赛斯，P。；Poupart，P.，《动态图的表示学习：一项调查》，J Mach Learn Res，21，70，1-73（2020）·Zbl 1498.68243号 [38] 科斯拉，M。；塞蒂，V。；Anand，A.，《无监督网络表征学习的比较研究》，IEEE Trans Knowl Data Eng，33，5，1807-1818（2021） [39] Kim Y，Levina E（2019）大脑连接网络的图形感知建模。arXiv电子打印arXiv:1903.02129 [40] Kingma DP，Ba J（2015）Adam：一种随机优化方法。摘自：Bengio Y，LeCun Y（编辑）第三届国际学习代表大会。国际解放卢旺达民主共和国。圣地亚哥，加利福尼亚州，美国 [41] Kintzel，U.，有限维不定标量积空间中的Procrustes问题，线性代数应用，4021-28（2005）·Zbl 1072.15035号 ·doi:10.1016/j.laa.2005.01.004 [42] Kipf TN，Welling M（2017），图卷积网络半监督分类。参加：第五届国际学习代表大会，2017年国际学习报告学会，会议记录 [43] Krivitsky，PN；Handcock，MS，动态网络的可分离模型，英国皇家统计学会：B系列（统计方法），76，1，29-46（2014）·Zbl 1411.90079号 ·doi:10.1111/rssb.12014 [44] Kumar S，Zhang X，Leskovec J（2019）预测时间交互网络中的动态嵌入轨迹。摘自：第25届ACM SIGKDD知识发现和数据挖掘国际会议论文集。第1269-1278页。KDD’19款 [45] Levin K，Athreya A，Tang M，Lyzinski V，Park Y，Priebe CE（2017）多随机图综合嵌入的中心极限定理和多尺度网络推理的含义。arXiv电子打印arXiv:1705.09355 [46] Li X，Du N，Li H，Li K，Gao J，Zhang A（2014）动态网络中链接预测的深度学习方法。摘自：2014年SIAM国际数据挖掘会议记录。第289-297页 [47] Liben-Nowell，D。；Kleinberg，J.，《社交网络的链接预测问题》，《美国社会科学技术杂志》，58，7，1019-1031（2007）·doi:10.1002/asi.20591 [48] Liu Z，Zhou D，He J（2019）通过时空图形注意网络研究时间演化图的可解释表示。摘自：第28届ACM信息和知识管理国际会议记录。第2137-2140页。CIKM’19 [49] 吕，L。；Zhou，T.，复杂网络中的链路预测：一项调查，Phys a:Stat-Mech-Appl，390，61150-1170（2011）·doi:10.1016/j.physa.2010.11.027 [50] 伊利诺伊州麦克唐纳；Zucchini，W.，Hidden Markov和其他离散值时间序列模型（1997），米尔顿公园：泰勒和弗朗西斯，米尔顿帕克·Zbl 0868.60036号 [51] 阿拉斯加州梅农；Elkan，C.，《通过矩阵分解进行链接预测》，《联合Eur Conf Mach Learn Knowl Discov Datab》，437-452（2011），柏林：施普林格出版社，柏林·doi:10.1007/978-3-642-23783-6-28 [52] Metelli，S。；Heard，NA，《计算机网络中的贝叶斯新边缘预测和异常检测》，Ann Appl Stat，13，4，2586-2610（2019）·Zbl 1437.62234号 ·doi:10.1214/19-AOAS1286 [53] 尼尔·J。；哈希，C。；布鲁，A。；菲斯克，M。；Storlie，CB，在线检测局部异常子图的扫描统计，Technometrics，55，4，403-414（2013）·doi:10.1080/0401706.2013.822830 [54] Nguyen GH、Lee JB、Rossi RA、Ahmed NK、Koh E、Kim S（2018）《连续时间动态网络嵌入》。附：2018年网络会议的相关会议记录。第969-976页。WWW’18 [55] Nielsen AM，Witten D（2018）多重随机点积图模型。arXiv电子打印arXiv:1811.12172 [56] Perozzi B、Al-Rfou R、Skiena S（2014）《深度行走：社交表征的在线学习》。摘自：第20届ACM SIGKDD国际知识发现和数据挖掘会议记录。第701-710页。KDD'14款 [57] Priebe CE、Park Y、Tang M、Athreya A、Lyzinski V、Vogelstein JT、Qin Y、Cocanougher B、Eichler K、Zlatic M、Cardona A（2017）果蝇连接体的半参数光谱建模 [58] 邱J，董毅，马赫，李J，王凯，唐J（2018）网络嵌入作为矩阵分解：Unifying DeepWalk，LINE，PTE，and node2vec。收录：第十一届ACM网络搜索和数据挖掘国际会议论文集。第459-467页。WSDM’18，计算机协会 [59] 瞿L，朱H，段强，石勇（2020）基于时间相关图神经网络的连续时间链路预测。摘自：2020年网络会议论文集。第3026-3032页。WWW'20 [60] Rubin-Delancy P，Priebe CE，Tang M，Cape J（2017）谱嵌入的统计解释：广义随机点积图。arXiv电子打印 [61] Sankar A，Wu Y，Gou L，Zhang W，Yang H（2020）DySAT：通过自关注网络对动态图进行深度神经表示学习。收录：第13届网络搜索和数据挖掘国际会议论文集。第519-527页 [62] Sarkar，P。；查克拉巴蒂，D。；Jordan，M.，大规模动态网络中的非参数链路预测，Electr J Stat，8，22022-2065（2014）·Zbl 1302.62096号 [63] Sarkar，P。；Moore，AW，使用潜在空间模型进行动态社会网络分析，Adv Neural Inf Process Syst，181145-1152（2006） [64] Schein A，Paisley J，Blei DM，Wallach H（2015）Bayesian Poisson张量因式分解，用于从稀疏并元事件计数推断多边关系。摘自：第21届ACM SIGKDD国际知识发现和数据挖掘会议记录。第1045-1054页 [65] Scheinerman，ER；Tucker，K.，《使用点积表示的图形建模》，《计算统计》，25，1，1-16（2010）·Zbl 1223.62109号 ·doi:10.1007/s00180-009-0158-8 [66] Schönemann，PH，正交Procrustes问题的广义解，心理测量学，31，1，1-10（1966）·Zbl 0147.19401号 ·doi:10.1007/BF02289451 [67] 丹麦苏厄尔；Chen，Y.，《动态网络的潜在空间模型》，美国统计协会期刊，110，512，1646-1657（2015）·Zbl 1373.62580号 ·数字标识代码：10.1080/01621459.2014.988214 [68] Sharan U，Neville J（2008）用于进化领域预测的时间关系分类器。在：2008年第八届IEEE数据挖掘国际会议论文集。第540-549页 [69] Shiga，M。；Mamitsuka，H.，《多图聚类的变分贝叶斯框架》，IEEE Trans-Knowl Data Eng，24，4，577-590（2012）·doi:10.1109/TKDE.2010.272 [70] Tang W，Lu Z，Dhillon IS（2009）多图聚类。摘自：2009年IEEE第九届数据挖掘国际会议论文集。第1016-1021页。ICDM’09，IEEE计算机协会，美国华盛顿特区 [71] Turcotte MJM，Kent AD，Hash C（2018）统一主机和网络数据集，第1章，第1-22页。世界科学 [72] Velickovic P、Fedus W、Hamilton WL、LióP、Bengio Y、Hjelm RD（2019）Deep graph infomax。参加：2019年5月6日至9日在美国洛杉矶新奥尔良举行的第七届国际学习代表大会 [73] 王德，崔萍，朱伟（2016）结构深层网络嵌入。摘自：第22届ACM SIGKDD国际知识发现和数据挖掘会议记录。第1225-1234页。16年7月 [74] 王，S。；阿罗约，J。；Vogelstein，JT公司；Priebe，CE，图的联合嵌入，IEEE Trans-Pattern Ana Mach Intell，43，4，1324-1336（2021）·doi:10.1109/TPAMI.2019.2948619 [75] 邢，EP；Fu，W。；Song，L.，动态网络层析成像的状态空间混合成员块模型，Ann Appl Stat，4，2，535-566（2010）·Zbl 1194.62133号 ·doi:10.1214/09-AOAS311 [76] Xu，堪萨斯州；Hero，AO III，时间演化社交网络的动态随机块模型，IEEE J Select Topics Signal Process，8，4，552-562（2014）·doi:10.1109/JSTSP.2014.2310294 [77] 杨，C。；普里贝，CE；Park，Y。；Marchette，DJ，光谱图聚类的同时维数和复杂性模型选择，J Comput graph Stat（2021）·Zbl 07499867号 ·doi:10.1080/10618600.2020.1824870 [78] 杨，SJ；Scheinerman，ER，《社交网络的随机点积图模型，网络纹理的算法和模型》，138-149（2007），柏林：施普林格出版社，柏林·兹比尔1136.05322 ·doi:10.1007/978-3-540-77004-6_11 [79] Yu W，Aggarwal CC，Wang W（2017a）进化网络分析的时间因子网络建模。收录：第十届ACM网络搜索和数据挖掘国际会议论文集。第455-464页 [80] Yu W，Cheng W，Aggarwal CC，Chen H，Wang W（2017b）动态网络中时空一致性的链接预测。摘自：第二十六届国际人工智能联合会议记录。第3343-3349页 [81] 张，Z。；崔，P。；朱伟，《图形深度学习：一项调查》，IEEE Trans Knowl Data Eng（2020）·doi:10.1109/TKDE.2020.2981333 [82] 周D，郑L，韩J，何J（2020）时间交互网络的数据驱动图生成模型。摘自：第26届ACM SIGKDD国际知识发现和数据挖掘会议记录。第401-411页。KDD'20款 [83] 朱，L。；郭，D。；尹，J。；Steeg，GV；Galstyan，A.，动态社交网络中链接预测的可伸缩时间潜在空间推断，IEEE Trans Knowl Data Eng，28，10，2765-2777（2016）·doi:10.1109/TKDE.2016.2591009 [84] 朱，M。；Ghodsi，A.，通过使用剖面似然从碎石图中自动选择尺寸，《计算统计数据分析》，51，2，918-930（2006）·Zbl 1157.62429号 ·doi:10.1016/j.csda.2005.09.010 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。