[论文解读] Temporal Network Comparison using Graphlet-orbit Transitions

David Aparício, Pedro Ribeiro+1 more|arXiv (Cornell University)|Jul 14, 2017

Complex Network Analysis Techniques参考文献 1被引用 3

一句话总结

本文提出一种基于图谱轨道转移的时序网络比较方法，通过追踪4个节点子图模式随时间的演变，捕捉动态结构变化。轨道转移一致度（OTA）度量在按类别分组网络方面优于静态方法，并揭示了可解释的、与系统相关的演化模式，如稳定的协作群体与短暂的物理互动。

ABSTRACT

Networks are widely used to model real-world systems and uncover their topological features. Network properties such as the degree distribution and shortest path length have been computed in numerous real-world networks, and most of them have been shown to be both scale-free and small-world networks. Graphlets and network motifs are subgraph patterns that capture richer structural information than aforementioned global network properties, and these local features are often used for network comparison. However, past work on graphlets and network motifs is almost exclusively applicable only for static networks. Many systems are better represented as temporal networks which depict not only how a system was at a given stage but also how they evolved. Time-dependent information is crucial in temporal networks and, by disregarding that data, static methods can not achieve the best possible results. This paper introduces an extension of graphlets for temporal networks. Our proposed method enumerates all 4-node graphlet-orbits in each network-snapshot, building the corresponding orbit-transition matrix in the process. Our hypothesis is that networks representing similar systems have characteristic orbit transitions which better identify them than simple static patterns, and this is assessed on a set of real temporal networks split into categories. In order to perform temporal network comparison we put forward an orbit-transition-agreement metric (OTA). OTA correctly groups a set of temporal networks that both static network motifs and graphlets fail to do so adequately. Furthermore, our method produces interpretable results which we use to uncover characteristic orbit transitions, and that can be regarded as a network-fingerprint.

研究动机与目标

• 解决静态网络分析在捕捉现实世界系统时序动态方面的局限性。
• 开发一种利用局部、子图级结构模式的方法，以比全局度量或静态图谱更有效地比较演化网络。
• 通过轨道转移矩阵创建网络演化的可解释、类似指纹的表示方法。
• 证明时序演化模式——特别是图谱轨道之间的转换——相比静态基序或图谱，能更有效地区分网络类别。

提出的方法

• 在每个网络快照中枚举所有4个节点的图谱轨道，以捕捉详细的局部拓扑结构。
• 构建轨道转移矩阵，以追踪连续时间步长之间轨道配置的变化。
• 定义轨道转移一致度（OTA）度量，基于其转移矩阵比较网络之间的相似性。
• 将转移频率离散化为稀有、常见和频繁区间，以利于可视化解释与模式识别。
• 将该方法应用于跨协作、物理互动、犯罪和二分图类别的现实世界时序网络。
• 利用轨道转移指纹的可视化结果，解释并比较不同类别网络的动力学特征。

实验结果

研究问题

• RQ1 图谱轨道转移能否有效区分不同类型的真实世界时序网络？
• RQ2 将时序动态整合到图谱分析中，是否能超越静态方法，提升网络比较效果？
• RQ3 是否存在反映特定网络类型潜在功能或结构动态的典型轨道转移模式？
• RQ4 由此产生的轨道转移指纹能否提供对网络演化过程的可解释洞察？

主要发现

• OTA度量成功按类别对时序网络进行了分组，而静态图谱度一致度和基序指纹距离则未能实现这一点。
• 协作网络（如Authenticus）表现出相对稳定的轨道，其中正方形轨道（O5）最不稳定，反映出群体凝聚力较弱。
• 物理互动网络（如Conference）表现出高度不稳定的轨道，频繁发生转移，表明互动具有短暂性和流动性。
• 在arXiv hep-ph中，星形到团状的转换较为常见，表明物理学家比一般协作网络更早形成紧密连接的群体。
• 轨道转移指纹显示，同一类别的网络即使个别转移频率不同，也共享相似的转移特征轮廓。
• 该方法产生了高度可解释的结果，使研究人员能够从转移模式中推断出群体形成、瓦解与稳定等行为动力学。