dyngraph2vec: 동적 그래프 표현 학습을 이용한 네트워크 동역학 포착

그래프 표현 학습은 그래프의 다양한 속성을 벡터 공간에서 포착하는 기본적인 작업입니다. 최근의 방법들은 이러한 표현을 정적 네트워크에 대해 학습합니다. 그러나 실제 세계의 네트워크는 시간이 지남에 따라 진화하며 다양한 동역학을 가지고 있습니다. 이러한 진화를 포착하는 것은 보지 못한 네트워크의 속성을 예측하는 데 있어 핵심적입니다. 네트워크 동역학이 예측 성능에 어떻게 영향을 미치는지를 이해하기 위해, 우리는 동적 그래프에서 진화의 구조를 학습하고 보지 못한 링크를 더 정확하게 예측할 수 있는 임베딩 접근법을 제안합니다. 우리의 모델인 dyngraph2vec(동그래프투벡)은 밀집층과 순환층으로 구성된 딥 아키텍처를 사용하여 네트워크의 시간적 전이를 학습합니다. 우리는 스토햐스틱 블록 모델을 사용하여 생성된 장난감 데이터 세트에서 예측을 위한 동역학 포착의 필요성을 설명합니다. 그런 다음, 두 개의 실제 세계 데이터 세트에서 기존 최신 방법들보다 dyngraph2vec(동그래프투벡)의 효율성을 시연합니다. 우리는 동역학을 학습함으로써 임베딩의 품질을 개선하고 링크 예측에서 더 나은 성능을 얻을 수 있음을 관찰하였습니다.