[论文解读] Proposal for a Correction to the Temporal Correlation Coefficient Calculation for Temporal Networks

Fiona Pigott, Mauricio Rene Herrera Marin|arXiv (Cornell University)|Mar 5, 2014

Data Visualization and Analytics参考文献 1被引用 4

一句话总结

本文提出了一种时间演化网络中时间相关系数（TCC）的修正公式，以解决节点之间无连接时系统性低估的问题。通过在归一化中用 max[N(tₘ), N(tₘ₊₁)] 替代固定的节点数 N，该方法确保了当图完全不连通时 TCC = 1，从而在稀疏或连通性变化的动态网络中恢复了预期的相关性行为。

ABSTRACT

Measuring the topological overlap of two graphs becomes important when assessing the changes between temporally adjacent graphs in a time-evolving network. Current methods depend on the fraction of nodes that have persisting edges. This breaks down when there are nodes with no edges, persisting or otherwise. The following outlines a proposed correction to ensure that correlation metrics have the expected behavior.

研究动机与目标

• 解决原始 TCC 公式在节点无边连接时失效的问题，避免产生未定义或错误的相关性数值。
• 确保时间相关系数在行为上符合预期——即使图不连通，相同图之间的相关性也应等于 1。
• 纠正时间序列中稀疏或变化的节点参与情况下的时间相关性系统性低估问题。
• 提供一种能适应随时间变化的网络规模和连通性的鲁棒归一化方法。

提出的方法

• 在归一化中用 max[N(tₘ), N(tₘ₊₁)]（即两个连续时间步中连通节点的最大数量）替代固定的节点数 N。
• 将修正后的时间相关系数定义为 Cₘ = (1 / max[N(tₘ), N(tₘ₊₁)]) × Σᵢ Cᵢ(tₘ, tₘ₊₁)，其中 Cᵢ 为局部拓扑重叠。
• 将整体 TCC 计算为 C = (1 / (M−1)) × Σₘ Cₘ，覆盖所有时间步，保持与原始公式的连续性。
• 通过将未定义的 0/0 情况视为 0 来处理，但使用 max(N) 归一化以避免不连通节点带来的偏差。
• 将该修正同时应用于局部（节点级）和全局（网络级）相关性计算。
• 使用包含连通与不连通图的合成示例验证该方法，包括网络规模随时间变化的时间序列。

实验结果

研究问题

• RQ1 为何原始 TCC 公式在节点无边连接时会失效，导致相关性数值错误？
• RQ2 如何修改 TCC 公式中的归一化方式，以在不连通网络中保持预期行为（即相同图的相关性 C=1）？
• RQ3 不连通节点对时间相关系数有何影响，如何进行校正？
• RQ4 所提出的修正方法是否能防止在稀疏或演化中的网络连通性时间序列中出现相关性低估？

主要发现

• 原始 TCC 公式在不连通图中会低估相关性，导致两个完全相同的不连通图（共三个节点中仅两个连通）的相关性值为 C = 2/3。
• 所提出的修正方法通过使用 max[N(tₘ), N(tₘ₊₁)] 进行归一化，确保了相同不连通图之间的 C = 1，解决了 0/0 问题并恢复了预期行为。
• 在时间序列中，若所有图均相同且不连通，原始方法会渐近收敛至连通节点的平均比例，而修正方法则收敛至 1。
• 对于包含三个时间步且连通性递减的时间序列，修正方法得到的 C ≈ 0.64，而原始方法仅为 0.57，显示出更高的准确性。
• 当比较两个相同的不连通图时，修正方法给出 Cₘ₊₁ = 1，而原始方法由于以总节点数 N 进行归一化，结果为 Cₘ₊₁ = 3/4。
• 该修正有效消除了由不连通节点引起系统性低估的问题，且误差被限制在随时间变化的平均不连通节点比例之内。