A Survey of Link Prediction in Temporal Networks

要約

一時的なネットワークは、過去10年間で複雑なシステム内の動的相互作用をモデル化するために著しい目立っています。
このドメインの重要な課題は、ソーシャルネットワーク分析を含むさまざまなアプリケーションにわたって履歴ネットワーク構造を分析することにより、将来の接続を予測することを目的とした時間的リンク予測（TLP）です。
既存の調査はTLPの特定の側面に対処していますが、通常、表現方法と推論方法を区別する包括的なフレームワークがありません。
この調査では、既存の方法からの表現と推論を明示的に検証する新しい分類法を導入し、TLPのアプローチの新しい分類を提供することにより、このギャップを橋渡しします。
異なる表現技術が時間的および構造的ダイナミクスをどのようにキャプチャし、トランスダクティブおよび誘導予測タスクの両方のさまざまな推論方法との互換性を調べる方法を分析します。
私たちの分類法は、方法論的な状況を明確にするだけでなく、既存の技術の有望な未開の組み合わせを明らかにしています。
この分類法は、モデルの説明可能性や複雑な時間的ネットワークのスケーラブルなアーキテクチャなど、TLPの新たな課題の体系的な基盤を提供します。

要約(オリジナル)

Temporal networks have gained significant prominence in the past decade for modelling dynamic interactions within complex systems. A key challenge in this domain is Temporal Link Prediction (TLP), which aims to forecast future connections by analysing historical network structures across various applications including social network analysis. While existing surveys have addressed specific aspects of TLP, they typically lack a comprehensive framework that distinguishes between representation and inference methods. This survey bridges this gap by introducing a novel taxonomy that explicitly examines representation and inference from existing methods, providing a novel classification of approaches for TLP. We analyse how different representation techniques capture temporal and structural dynamics, examining their compatibility with various inference methods for both transductive and inductive prediction tasks. Our taxonomy not only clarifies the methodological landscape but also reveals promising unexplored combinations of existing techniques. This taxonomy provides a systematic foundation for emerging challenges in TLP, including model explainability and scalable architectures for complex temporal networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google