An embedding-based distance for temporal graphs

要約

時間に関係するランダム ウォークを使用して構築されたグラフ エンベディングに基づいて、時間グラフ間の距離を定義します。
ノード間に既知の関係が存在する一致したグラフの場合と、そのような関係が利用できず、グラフのサイズが異なる可能性がある不一致の場合の両方を研究します。
実際の時間ネットワーク データと合成時間ネットワーク データの両方を使用して、異なる構造的および時間的特性を持つグラフを区別する能力を示すことで、距離定義の興味深い点を説明します。
最先端の機械学習技術を活用して、大規模な時間グラフで実行可能な距離計算の効率的な実装を提案します。

要約(オリジナル)

We define a distance between temporal graphs based on graph embeddings built using time-respecting random walks. We study both the case of matched graphs, when there exists a known relation between the nodes, and the unmatched case, when such a relation is unavailable and the graphs may be of different sizes. We illustrate the interest of our distance definition, using both real and synthetic temporal network data, by showing its ability to discriminate between graphs with different structural and temporal properties. Leveraging state-of-the-art machine learning techniques, we propose an efficient implementation of distance computation that is viable for large-scale temporal graphs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google