[论文解读] Reconstructing Networks

Tiziano Squartini, Rossana Mastrandrea+1 more|arXiv (Cornell University)|Aug 31, 2021

Complex Network Analysis Techniques参考文献 252被引用 3

一句话总结

本文基于统计物理与信息论，全面综述了网络重构方法，聚焦于在宏观、中观和微观尺度上推断缺失或隐藏的网络结构。文章提出了从不完整或噪声数据中恢复网络拓扑的推断技术，其关键贡献在于统一了从有限观测中重构复杂系统的理论框架。

ABSTRACT

Complex networks datasets often come with the problem of missing information: interactions data that have not been measured or discovered, may be affected by errors, or are simply hidden because of privacy issues. This Element provides an overview of the ideas, methods and techniques to deal with this problem and that together define the field of network reconstruction. Given the extent of the subject, we shall focus on the inference methods rooted in statistical physics and information theory. The discussion will be organized according to the different scales of the reconstruction task, that is, whether the goal is to reconstruct the macroscopic structure of the network, to infer its mesoscale properties, or to predict the individual microscopic connections.

研究动机与目标

• 解决复杂网络数据集中普遍存在的缺失、错误或隐藏交互问题。
• 开发并统一适用于不同尺度（宏观、中观、微观）的网络结构重构推断技术。
• 聚焦于基于统计物理与信息论的方法，实现有原则的网络重构。
• 系统性地概述适用于现实世界复杂系统中有限观测的重构技术。

提出的方法

• 基于最大熵原理的统计推断框架，用于从部分数据中重构网络结构。
• 应用信息论度量（如互信息和熵）量化不确定性，并指导重构过程。
• 采用概率建模推断未观测到的连接，同时保持观测到的宏观特性（如度分布或聚类系数）。
• 整合贝叶斯推断，根据观测数据和先验知识更新对网络结构的信念。
• 按尺度对重构任务进行分类：宏观（全局拓扑）、中观（社区结构）和微观（单个边）。
• 利用从经验观测中导出的约束条件，限制可能的网络配置空间。

实验结果

研究问题

• RQ1 当交互数据不完整或部分观测时，如何可靠地推断网络结构？
• RQ2 哪些统计与信息论原则能够实现复杂网络的稳健重构？
• RQ3 不同尺度（宏观、中观、微观）下，重构方法在性能与适用性上存在哪些差异？
• RQ4 网络重构中的准确性、数据需求与计算复杂性之间存在哪些根本权衡？

主要发现

• 本文确立了最大熵模型在不完整数据约束下重构网络的有原则基础。
• 信息论度量能够量化不确定性，并指导最可能网络配置的选择。
• 宏观尺度重构聚焦于保持全局特性（如度序列和聚类系数）。
• 中观尺度重构旨在通过模块度和块模型，在部分观测下恢复社区结构。
• 微观尺度重构涉及利用局部连通性模式和概率推断，预测单个缺失或未观测的边。
• 统计物理与信息论的整合，实现了适用于多样化网络类型与数据模式的统一框架。