ランダムウォークの共訪問からグラフ構造を高精度に復元

ランダムウォークの軌跡から得られる共訪問行列とペア対エッジ重み基底モデルを用い、未知のグラフ構造を高精度に復元するパイプラインを提案した。天体ネットワークや実世界の通信ネットワークにおいて既存手法を大きく上回る復元精度を実証した。

• ランダムウォークの共訪問行列を観測量とし、未知グラフの接続性を復元する最適化手法を開発した。
• 順序対情報を残す共訪問行列とペア対エッジ重み基底を組み合わせることで、従来のモデルでは表現困難なグラフ構造の特定を可能にした。
• 天体データ由来の幾何ネットワークやメール通信網において、Graphical Lassoを大幅に凌駕する高いマシューズ相関係数を達成した。
• 有限ステップのウォークにおける復元性能の限界は、推定手法ではなくウォークによるグラフの未訪問エッジに起因することを明らかにした。

原文タイトル: Graph reconstruction from random-walk co-visitation: Geometric, empirical, and controlled networks

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。