[论文解读] Temporal Clustering in Dynamic Networks with Tensor Decomposition

Kun Tu, Bruno Ribeiro+2 more|arXiv (Cornell University)|May 25, 2016

Tensor decomposition and applications参考文献 28被引用 7

一句话总结

本文提出了一种基于张量分解的动态网络时间聚类框架，通过PARAFAC分解建模随时间演化的社区。通过在学习到的生成模型上应用K-means识别聚类，利用轮廓系数对聚类进行排序，并通过分割算法检测社区生命周期。该方法在聚类准确率和生命周期检测方面优于最先进方法，尤其在稀疏和动态网络中表现更优。

ABSTRACT

Dynamic networks are increasingly being usedd to model real world datasets. A challenging task in their analysis is to detect and characterize clusters. It is useful for analyzing real-world data such as detecting evolving communities in networks. We propose a temporal clustering framework based on a set of network generative models to address this problem. We use PARAFAC decomposition to learn network models from datasets.We then use $K$-means for clustering, the Silhouette criterion to determine the number of clusters, and a similarity score to order the clusters and retain the significant ones. In order to address the time-dependent aspect of these clusters, we propose a segmentation algorithm to detect their formations, dissolutions and lifetimes. Synthetic networks with ground truth and real-world datasets are used to test our method against state-of-the-art, and the results show that our method has better performance in clustering and lifetime detection than previous methods.

研究动机与目标

• 解决在具有时变结构的动态网络中检测演化社区的挑战。
• 克服基于局部相似性的聚类方法在稀疏网络中失效且无法建模重叠成员关系的局限性。
• 提出一种全局建模方法，利用张量分解学习具有可解释时间动态性的潜在社区结构。
• 通过分割算法实现对社区形成、消散及生命周期的精确检测。
• 在现有方法基础上提升聚类性能与生命周期检测效果，尤其在稀疏网络条件下表现更优。

提出的方法

• 将动态网络建模为三模式张量（节点 × 节点 × 时间），并应用PARAFAC分解以学习代表社区的低秩分量。
• 利用PARAFAC的载荷向量提取每个社区的节点成员关系及时间活动模式。
• 在分解后的分量上应用K-means聚类，以在时间上对相似的社区模式进行分组。
• 使用轮廓系数对聚类进行排序，以自动选择最优聚类数量，并仅保留显著聚类。
• 从每个聚类的时间载荷向量中构建时间序列信号 λ(r)(t)，以检测社区的形成与消散事件。
• 应用生命周期阈值化方法，基于时间活动轮廓识别社区生命周期，采用动态阈值策略。

实验结果

研究问题

• RQ1 如何通过全局生成式方法有效建模动态网络中的演化社区？
• RQ2 动态网络中的最优聚类数量是多少？如何实现其自动确定？
• RQ3 如何在时变网络中准确检测社区的形成、消散及生命周期？
• RQ4 与最先进聚类和生命周期检测技术相比，该方法在合成数据与真实世界数据上的表现如何？
• RQ5 张量分解的秩 R 对聚类检测与社区可解释性有何影响？

主要发现

• 在具有真实标签的合成网络中，所提方法在社区检测上的F1分数高于最先进方法。
• 在Lakehurst数据集中，该方法成功识别出14个具有清晰时间模式的独立社区，包括周周期与年周期。
• 在Enron电子邮件数据集中，该方法检测出15个具有可解释时间行为的有意义社区，例如社区11在2000年达到峰值，社区14表现出强烈的周周期模式。
• 该方法在生命周期检测方面优于基线方法，尤其在相似性方法失效的稀疏网络条件下表现更优。
• 当张量秩 R 过小（如 R=4）时，PARAFAC分解会将多个不同的社区合并为单一成分，导致检测准确率下降。
• 聚类范数比 W 与节点相似性 Xijk 共同影响分解结果：当 W > 1.06 时，一个聚类主导分量，另一聚类被有效消除。