A model for efficient dynamical ranking in networks

要約

我々は、有向時間ネットワーク、つまり各有向エッジとタイムスタンプ付きエッジがペアごとの相互作用の結果とタイミングを反映するネットワークで動的ランキングを推論するための物理学にヒントを得た方法を提案します。
各ノードの推論されたランキングは実数値であり、一連のゲームを含む実際のシナリオでよく観察されるように、勝ちまたは負けなどの結果をエンコードする新しいエッジごとに時間とともに変化し、ノードの推定強度または名声が増減します。
トーナメント、または動物の階層内での交流。
私たちの方法は線形方程式系を解くことによって機能し、調整する必要があるパラメーターは 1 つだけです。
その結果、対応するアルゴリズムはスケーラブルで効率的になります。
私たちは、合成データと実際のデータの両方を含むさまざまなアプリケーションで相互作用 (エッジの存在) とその結果 (エッジの方向) を予測する能力を評価することにより、メソッドをテストします。
私たちの分析では、多くの場合、動的なランキングやインタラクションの結果を予測する既存の方法よりも、私たちの方法のパフォーマンスが優れていることがわかりました。

要約(オリジナル)

We present a physics-inspired method for inferring dynamic rankings in directed temporal networks – networks in which each directed and timestamped edge reflects the outcome and timing of a pairwise interaction. The inferred ranking of each node is real-valued and varies in time as each new edge, encoding an outcome like a win or loss, raises or lowers the node’s estimated strength or prestige, as is often observed in real scenarios including sequences of games, tournaments, or interactions in animal hierarchies. Our method works by solving a linear system of equations and requires only one parameter to be tuned. As a result, the corresponding algorithm is scalable and efficient. We test our method by evaluating its ability to predict interactions (edges’ existence) and their outcomes (edges’ directions) in a variety of applications, including both synthetic and real data. Our analysis shows that in many cases our method’s performance is better than existing methods for predicting dynamic rankings and interaction outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google