【KDD2021】时域图信号分解

时序图信号是多元时间序列。这类数据出现在许多领域，包括社交网络用户的活动，随着时间推移的传感器网络读数，以及模型生物互动网络中的时间进程基因表达。传统的矩阵分解方法运用于这类数据，不能利用编码在底层图中的结构规律，也不能利用信号的时间模式。我们如何考虑这样的结构来获得时间图信号的简洁和可解释的表示?我们提出了一个通用的、基于字典的时域图信号分解(TGSD)框架。其关键思想是通过图形和时间字典的组合来学习数据的低秩联合编码。我们针对完整和不完整数据提出了一种高度可扩展的分解算法，并展示了其在矩阵分解、缺失值的计算、时间插值、聚类、周期估计和排名估计等综合数据和真实数据(从交通模式到社交媒体活动)方面的优势。与时间插值的基线相比，当多达75%的观测数据缺失时，我们的框架实现了28%的RMSE减少。在350万个数据点上，它能在20秒内最好地扩展基准，并产生最简洁的模型。据我们所知，TGSD是第一个通过时间和图字典联合建模图信号的框架。

http://www.cs.albany.edu/~petko/lab/papers/mzb2021kdd.pdf