Continuous Latent Space Representations of Networks from Event Data

Network data often consists of underlying continuous time interactions between the nodes in the network. Representing the true underlying dynamics of such interactions is challenging, and often instead utilises an aggregate summary of these events. We propose a continuous time functional latent space model for the nodes in a network, based directly on these underlying interactions, using modern computation methods to scale inference to large scale networks commonly seen in practice. We validate our proposed model and interpret the results for real interactions on networks, identifying interpretable latent structure.

Représentations continues de l'espace latent des réseaux à partir des données d'événements

Les données réseau consistent souvent en des interactions temporelles continues sous-jacentes entre les nœuds du réseau. Il est difficile de représenter la dynamique sous-jacente réelle de ces interactions, et on utilise souvent à la place un résumé agrégé de ces événements. Nous proposons un modèle d'espace latent fonctionnel en temps continu pour les nœuds d'un réseau, basé directement sur ces interactions sous-jacentes, en utilisant des méthodes de calcul modernes pour adapter l'inférence aux réseaux à grande échelle couramment observés dans la pratique. Nous validons le modèle que nous proposons et interprétons les résultats pour les interactions réelles sur les réseaux, en identifiant une structure latente interprétable.

Session

Progrès en matière de modélisation des réseaux multicouches et dynamiques

Date and Time