Dynamic Social Network Analysis using Latent Space Models
原文地址：https://www.ml.cmu.edu/research/dap-papers/sarkar-kdd_project.pdf
这篇文章研究了社交网络建模的两个问题
1） 可以应用于对朋友关系建模的动态模型
2）方便地从数据中构建这个模型
实体在潜在空间中的距离越近 → 实体间有联系的可能性越大
论文中的工作 ，为了使模型实现其功能
1）使用衡量潜在空间中实体间相似性的kernel function
2） 使用低维的kd-tree
等
Intriduction
扫描二维码关注公众号，回复：
4066701 查看本文章
1）本文主要研究 关系的缓慢变化
2）使用了Markov assumption，所以在时间t时某个实体的位置是受到之前时刻的位置的影响的。 
Xt ：嵌入的结果 （在Gt和Xt-1的条件下最有可能的嵌入结果）
DSNL(Dynamic social network in latent space) model
dij =|xi−xj| : 在潜在空间中的欧几里得距离 p(i∼j) : 有联系的可能性 rij : the radius of interaction
the biquadratic kernel:
使用上式重新定义链接可能性 pij
