[论文解读] Mapping temporal-network percolation to weighted, static event graphs

Mikko Kivelä, Jordan Cambe+2 more|arXiv (Cornell University)|Sep 17, 2017

Complex Network Analysis Techniques参考文献 48被引用 41

一句话总结

本文提出加权事件图——一种静态的、加权的、有向无环图（DAG）表示法，用于时间网络——可高效编码所有受最大等待时间 δt 约束的时间尊重路径。通过阈值化边权重（时间差），该方法可在所有 δt 值上实现快速渗透分析。其核心贡献是提出一种多阶参数框架用于时间网络的渗透，揭示了其与定向渗透的强类比关系，实现了对真实和合成网络中连通性、组件大小和寿命的可扩展检测。

ABSTRACT

Many processes of spreading and diffusion take place on temporal networks, and their outcomes are influenced by correlations in the times of contact. These correlations have a particularly strong influence on processes where the spreading agent has a limited lifetime at nodes: disease spreading (recovery time), diffusion of rumors (lifetime of information), and passenger routing (maximum acceptable time between transfers). Here, we introduce weighted event graphs as a powerful and fast framework for studying connectivity determined by time-respecting paths where the allowed waiting times between contacts have an upper limit. We study percolation on the weighted event graphs and in the underlying temporal networks, with simulated and real-world networks. We show that this type of temporal-network percolation is analogous to directed percolation, and that it can be characterized by multiple order parameters.

研究动机与目标

• 为解决在时间网络渗透中独立计算每个 δt 下连通性的计算低效问题。
• 开发一种统一的静态表示方法，同时捕捉所有受 δt 约束的时间尊重路径。
• 通过超越标准组件大小的多个阶参数表征时间网络渗透。
• 建立时间网络渗透与定向渗透理论之间的联系。
• 实现在真实和合成时间网络上对具有有限寿命的传播过程（如疾病传播、信息扩散）的可扩展分析。

提出的方法

• 构建加权事件图 D = (E, ED, w)，其中节点为接触事件，边表示时间尊重邻接，边权重 w = t′ − t 为时间差。
• 将 δt-邻接定义为权重 w ≤ δt 的边，并通过阈值化提取 Dδt，以研究特定 δt 下的渗透行为。
• 利用 DAG 结构，通过阈值扫描算法高效计算所有 δt 值下的组件分布。
• 通过三个阶参数测量组件大小：事件数量（SE）、覆盖节点数（SG）和组件寿命（SLT）。
• 使用这些大小定义，应用标准渗透分析工具（如阶参数 ρ∗、敏感度 χ∗）。
• 利用不相交集合森林数据结构，高效检测大规模网络中的弱连通组件。

实验结果

研究问题

• RQ1 是否能通过静态加权图表示，高效编码所有 δt 值下受等待时间限制的时间尊重路径？
• RQ2 多个阶参数（事件数、节点覆盖度、寿命）如何表征时间网络渗透？
• RQ3 时间网络渗透与定向渗透之间存在何种关系？
• RQ4 所提出的框架是否能实现在真实世界时间网络上对具有有限寿命的传播过程的可扩展分析？
• RQ5 时间非平稳性和相关接触时间如何影响渗透阈值和组件寿命？

主要发现

• 加权事件图表示法可实现对所有 δt 值下渗透特性的高效计算，计算成本极低，支持快速阈值扫描。
• 时间网络渗透表现出三种不同的阶参数：以事件数衡量的组件大小（SE）、以覆盖节点数衡量的（SG）和以组件寿命衡量的（SLT），每种参数揭示了连通性的不同方面。
• 该框架揭示了与定向渗透的强类比关系，时间方向性和不规则网络结构共同塑造了临界行为。
• 在真实网络（如移动通话、性关系互动、航空交通）中，即使 δt 较低，该方法仍能检测到长寿命的组件，表明其具有持续传播潜力。
• 通过结合不相交集合数据结构的阈值扫描方法，可实现对包含数亿个事件的网络的可扩展分析，已在真实数据集上得到验证。
• 对于同时发生的事件，通过随机选择处理以保持无环性，确保 DAG 结构在所有分析中均有效。