Temporale Netzwerk-Einbettung mit Mikro- und Makrodynamik

Die Netzwerk-Einbettung zielt darauf ab, Knoten in einen niederdimensionalen Raum einzubetten, während die Netzwerkstrukturen und -eigenschaften erfasst werden. Obwohl einige vielversprechende Methoden zur Netzwerk-Einbettung vorgeschlagen wurden, konzentrieren sich die meisten auf statische Netzwerke. Tatsächlich sind temporale Netzwerke, die sich normalerweise im Laufe der Zeit hinsichtlich mikroskopischer und makroskopischer Dynamik entwickeln, weit verbreitet. Die Mikrodynamik beschreibt den Bildungsprozess von Netzwerkstrukturen im Detail, während die Makrodynamik sich auf das Evolutionsmuster der Netzwerkgröße bezieht. Beide, Mikro- und Makrodynamik, sind die Schlüsselfaktoren für die Netzwerkentwicklung; jedoch ist bisher nicht gut untersucht, wie man beide elegant für die temporale Netzwerk-Einbettung, insbesondere die Makrodynamik, erfassen kann. In diesem Papier schlagen wir eine neuartige Methode zur temporalen Netzwerk-Einbettung mit Mikro- und Makrodynamik vor, die als ²DNE bezeichnet wird. Konkret betrachten wir für die Mikrodynamik die Etablierung von Kanten als das Auftreten chronologischer Ereignisse und schlagen einen temporalen Aufmerksamkeits-Punktprozess vor, um den Bildungsprozess von Netzwerkstrukturen in feiner Granularität zu erfassen. Für die Makrodynamik definieren wir eine allgemeine Dynamikgleichung, die mit Netzwerk-Einbettungen parametrisiert ist, um das inhärente Evolutionsmuster zu erfassen und Einschränkungen auf einer höheren strukturellen Ebene auf Netzwerk-Einbettungen aufzuerlegen. Die gegenseitigen Entwicklungen von Mikro- und Makrodynamik in einem temporalen Netzwerk beeinflussen abwechselnd den Prozess des Lernens von Knoten-Einbettungen. Umfangreiche Experimente an drei realen temporalen Netzwerken zeigen, dass ²DNE die aktuellen Technologien nicht nur in traditionellen Aufgaben, z. B. der Netzwerkrekonstruktion, sondern auch in temporalen tendenzbezogenen Aufgaben, z. B. der Skalenvorhersage, erheblich übertrifft.