Temporal networks are increasingly being used to model the interactions of complex systems. Most studies require the temporal aggregation of edges (or events) into discrete time steps to perform analysis. In this article we describe a static, lossless, and unique representation of a temporal network, the temporal event graph (TEG). The TEG describes the temporal network in terms of both the inter-event time and two-event temporal motif distributions. By considering these distributions in unison we provide a new method to characterise the behaviour of individuals and collectives in temporal networks as well as providing a natural decomposition of the network. We illustrate the utility of the TEG by providing examples on both synthetic and real temporal networks.
ISI Foundation（ISI基金会）；Alma Mater Studiorum University of Bologna（博洛尼亚大学）；Central European University（中欧大学）；Univ de Lyon（里昂大学）；ENS de Lyon（里昂高等师范学院）；INRIA（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；IXXI（里昂复杂系统研究所）
Importance of individual events in temporal networks
记录成对个体之间的带时间戳的社交互动（例如，面对面的交谈、电子邮件交换和电话呼叫）构成了所谓的时间网络。时态网络与传统静态网络的一个显著区别在于，生成节点集体行为的单位元素是时间戳事件而不是链接。我们提出了一个单一的相互作用事件的重要性措施。通过概括[Kossinets G，Kleinberg J，and Watts D J（2008）Proceeding of the 14th ACM SIGKDD International conference on knowledge discovery and data mining，p 435]提出的事件推进概念，我们提出，当一个事件携带有关他人的新信息到事件中涉及的两个节点时，该事件就是中心的。我们发现，所提出的措施，正确量化的重要性，在连接节点沿时间顺序路径的事件。由于真实数据中事件重要性的强烈异质性，一小部分高度重要的事件是必要的，足以维持时间网络的连通性。然而，与无标度网络对抗链接移除的行为相反，这一特性主要来自突发活动模式，而不是异构度分布。
Fine-grained Spatio-temporal Event Prediction with Self-adaptive Anchor Graph
School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院）；Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳高等研究院）；Kashi Institute of Electronics and Information Industry（喀什电子信息产业研究院）
