A Survey of Link Prediction in Temporal Networks
作者: Jiafeng Xiong, Ahmad Zareie, Rizos Sakellariou
发布时间: 2025-03-03
来源: arxiv
研究方向: 时间网络中的链接预测（TLP）
主要内容
本文对时间网络中的链接预测进行了全面综述，涵盖了时间网络的基本概念、链接预测的挑战、代表性的方法和未来研究方向。
主要贡献
1. 提出了一种新的分类法，将时间网络链接预测方法分为表示和推理两个单元，并详细分析了不同方法的特点。
2. 系统地回顾和分类了现有的时间网络链接预测方法，揭示了不同方法之间的方法论组合。
3. 探讨了时间网络链接预测在复杂网络中的高级应用，如有向、异构和超图时间网络。
4. 识别了链接预测在时间网络分析中的挑战，如模型可解释性、复杂网络动力学和可扩展解决方案。
5. 提出了未来研究方向，包括基于不同表示和推理单元的新模型、模型可解释性的提升、连续时间动态网络上的链接预测、图动力学机制的进一步探索以及大规模复杂网络中的通用链接预测模型。
研究方法
1. 离散时间动态图表示（DTDG）
2. 连续时间动态图表示（CTDG）
3. 节点相似度方法
4. 路径相似度方法
5. 动态图总结（DGS）
6. 矩阵分解（MF）
7. 随机游走
8. 自动编码器
9. 限制性玻尔兹曼机（RBM）
10. 图神经网络（GNN）
11. 循环神经网络（RNN）
12. 注意力机制
实验结果
本文通过文献综述的方式，分析了现有时间网络链接预测方法的实验结果，并总结了不同方法在链接预测任务中的表现。
未来工作
未来研究应着重于以下方面：开发基于不同表示和推理单元的新模型，提升模型的可解释性，研究连续时间动态网络上的链接预测，深入探索图动力学机制，以及构建适用于大规模复杂网络的通用链接预测模型。