Linkvorhersage basierend auf der Entwicklung von Teilgraphen in dynamischen sozialen Netzwerken

Wir schlagen eine neue Methode zur Charakterisierung der Dynamik komplexer Netzwerke mit Anwendung auf das Problem der Linkvorhersage vor. Unser Ansatz basiert auf der Entdeckung von Netzwerk-Teilgraphen (in dieser Studie: Triaden von Knoten) und der Messung ihrer Übergänge während der Netzwerkentwicklung. Wir definieren die Triad Transition Matrix (TTM), die die Wahrscheinlichkeiten der Übergänge zwischen in dem Netzwerk gefundenen Triaden enthält, und zeigen dann, wie sie helfen kann, die dynamischen Muster der Netzwerkentwicklung zu entdecken und zu quantifizieren. Wir schlagen auch die Anwendung der TTM zur Linkvorhersage mit einem Algorithmus (genannt TTM-Predictor) vor, der gute Leistungen zeigt, insbesondere für spärliche Netzwerke, die in kurzen Zeiträumen analysiert werden. Die zukünftigen Anwendungen und Forschungsrichtungen unseres Ansatzes werden ebenfalls vorgeschlagen und diskutiert.