論文の概要: A Survey of Link Prediction in Temporal Networks

• arxiv url: http://arxiv.org/abs/2502.21185v1
• Date: Fri, 28 Feb 2025 16:00:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:40:59.875122
• Title: A Survey of Link Prediction in Temporal Networks
• Title（参考訳）: 時間ネットワークにおけるリンク予測に関する調査
• Authors: Jiafeng Xiong, Ahmad Zareie, Rizos Sakellariou,
• Abstract要約: 時系列リンク予測は、過去のネットワーク構造を分析して将来の接続を予測することを目的としている。 本稿では,既存手法からの表現と推論を明確に検証する新しい分類法を提案する。
• 参考スコア（独自算出の注目度）: 3.556466797352159
• License:
• Abstract: 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.
• Abstract（参考訳）: テンポラルネットワークは、複雑なシステム内での動的相互作用をモデル化する上で、過去10年間で顕著に有名になった。 この領域における重要な課題はTLP(Temporal Link Prediction)であり、ソーシャルネットワーク分析を含む様々なアプリケーションにわたる歴史的ネットワーク構造を分析し、将来的な接続を予測することを目的としている。 既存の調査ではTLPの特定の側面に対処しているが、一般的には表現法と推論法を区別する包括的なフレームワークが欠如している。 この調査は、既存の方法からの表現と推論を明確に検証し、TLPのアプローチの新しい分類を提供する新しい分類法を導入することで、このギャップを橋渡しする。 本研究では, 時間的・構造的ダイナミクスの異なる表現手法が, 帰納的・帰納的両方の予測タスクに対して, 様々な推論手法との整合性を検証し, 時間的・構造的ダイナミクスを捉える方法について分析する。 我々の分類学は方法論的景観を解明するだけでなく、既存の手法の有望な組み合わせも明らかにしている。 この分類法は、複雑な時間ネットワークのためのモデル説明可能性やスケーラブルアーキテクチャを含む、TLPにおける新たな課題の体系的な基盤を提供する。

関連論文リスト

• A Survey of Model Architectures in Information Retrieval [64.75808744228067]
  機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• SoK: On Finding Common Ground in Loss Landscapes Using Deep Model Merging Techniques [4.013324399289249]
  本稿では,モデルマージ手法の新たな分類法を提案する。 これらの分野における文献からの反復的な経験的観察を,ロスランドスケープ幾何学の4つの主要な側面のキャラクタリゼーションに用いた。
  論文  参考訳（メタデータ） (2024-10-16T18:14:05Z)
• TSI: A Multi-View Representation Learning Approach for Time Series Forecasting [29.05140751690699]
  本研究では,時系列予測のための新しいマルチビュー手法を提案する。 傾向と季節表現を独立成分分析(ICA)に基づく表現と統合する。 このアプローチは時系列データの全体的理解を提供し、しばしば曖昧で非線形な関係を見逃す伝統的なモデルを越えている。
  論文  参考訳（メタデータ） (2024-09-30T02:11:57Z)
• SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
  天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。 伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。 本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T08:00:15Z)
• A Survey on Deep Learning based Time Series Analysis with Frequency Transformation [74.3919960186696]
  周波数変換(FT)は、時系列解析における最先端の精度と効率を高めるために、ディープラーニングモデルにますます取り入れられている。 この新興分野における注目の高まりと研究の高まりにもかかわらず、現在、FTを用いたディープラーニングベースの時系列モデルの体系的レビューと詳細な分析が欠如している。 本稿では,FTを用いた深層学習に基づく時系列解析における最近の研究成果を体系的に研究し,要約する総合的なレビューを紹介する。
  論文  参考訳（メタデータ） (2023-02-04T14:33:07Z)
• Significant Ties Graph Neural Networks for Continuous-Time Temporal Networks Modeling [8.870188183999852]
  時間ネットワークは複雑な進化系をモデル化するのに適している。 本稿では,有意な関係を捕捉し記述する新しいフレームワークである,有意なTies Graph Neural Networks (STGNN)を提案する。
  論文  参考訳（メタデータ） (2022-11-12T06:56:36Z)
• Temporal Relevance Analysis for Video Action Models [70.39411261685963]
  まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。 次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
  論文  参考訳（メタデータ） (2022-04-25T19:06:48Z)
• Developing Constrained Neural Units Over Time [81.19349325749037]
  本稿では,既存のアプローチと異なるニューラルネットワークの定義方法に焦点をあてる。 ニューラルネットワークの構造は、データとの相互作用にも拡張される制約の特別なクラスによって定義される。 提案した理論は時間領域にキャストされ, データを順序づけられた方法でネットワークに提示する。
  論文  参考訳（メタデータ） (2020-09-01T09:07:25Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。