A General Marked Point Process Framework For Self-Exciting Network Evolution

Aquí presento un resumen técnico detallado del artículo "A General Marked Point Process Framework for Self-Exciting Network Evolution" (Un marco general de procesos puntuales marcados para la evolución de redes autoexcitantes), escrito por Duncan A. Clark, Conor J. Kresin y Charlotte M. Jones-Todd.

---

1. Planteamiento del Problema

El crecimiento y evolución de redes dinámicas (como redes sociales, de colaboración o de contacto) presentan desafíos estadísticos significativos debido a la interdependencia compleja entre:

• El tiempo de actualización: Cuándo ocurren los eventos (nuevos nodos o aristas).
• El contenido de la actualización: Qué tipo de cambio estructural ocurre (qué nodos/aristas se añaden).
• Dependencia histórica: La tendencia a la autoexcitación (un evento aumenta la probabilidad de futuros eventos) y la dependencia de la topología actual (la estructura de la red influye en qué actualizaciones son plausibles).

Limitaciones de los enfoques existentes:

• Los modelos tradicionales (SAOM, TERGM, STERGM) suelen tratar el conjunto de nodos como fijo y modelan la formación de aristas en tiempo discreto, lo que impide inferencia sobre la llegada de nuevos nodos.
• Los modelos de procesos puntuales existentes a menudo asumen que el tiempo y la "marca" (el cambio estructural) son separables o independientes, o bien dependen de supuestos Markovianos de primer orden que pierden información sobre la historia a largo plazo.
• Existe una falta de marcos de inferencia basados en verosimilitud (likelihood) que puedan manejar simultáneamente la evolución temporal continua y la topología de red en crecimiento, especialmente cuando la tasa de eventos depende del estado actual de la red (no separabilidad).

2. Metodología Propuesta: HawkesNet

Los autores proponen un marco novedoso llamado HawkesNet, basado en un Proceso Puntual Marcado (MPP) en tiempo continuo.

A. Formulación del Proceso

• Definición: Cada actualización de la red (adición de nodos y/o aristas) se modela como un evento en un proceso puntual marcado.
  • Tiempo ($t_i$): El momento de la actualización.
  • Marca ($m_i$): Un conjunto finito que contiene los nuevos nodos y aristas añadidos en ese instante.
• Espacio de Marcas Dinámico: A diferencia de los MPP tradicionales con espacios de marcas fijos, aquí el espacio de marcas admisibles $\mathcal{M}_t$ evoluciona con la red. Una marca es admisible solo si respeta las reglas de la red actual (ej. no crear aristas duplicadas, conectar nodos existentes o nuevos simultáneamente).
• Intensidad Condicional: El modelo se define mediante una intensidad condicional $\lambda(t, m \mid \mathcal{H}_t)$, donde $\mathcal{H}_t$ es la historia completa de la red hasta el tiempo $t$.

B. Descomposición de la Intensidad (Modelos Inducidos)

Para facilitar la inferencia, la intensidad se factoriza en dos componentes:
$$\lambda(t, m \mid \mathcal{H}_t) = \lambda_g(t \mid \mathcal{H}_t) \cdot q(m \mid t, \mathcal{H}_t)$$
Donde:

1. $\lambda_g(t \mid \mathcal{H}_t)$ (Tasa de suelo): Modela cuándo ocurre la próxima actualización. Se especifica como un proceso de Hawkes clásico (autoexcitatorio) que depende de la historia de tiempos de eventos.
2. $q(m \mid t, \mathcal{H}_t)$ (PMF de actualización de red): Modela qué actualización ocurre dado que ha ocurrido un evento. Se define como una función de masa de probabilidad (PMF) sobre el espacio de marcas admisibles.

C. No-Separabilidad y Dependencia del Camino de Marcas

El núcleo de la innovación es la no-separabilidad sustantiva:

• La tasa de suelo $\lambda_g$ y la distribución de marcas $q$ pueden depender mutuamente del estado actual de la red.
• Se introduce el concepto de Proceso de Hawkes Dependiente del Camino de Marcas (Mark Path Dependent): La contribución de un evento pasado a la intensidad futura no es fija; depende de cómo la topología de la red ha evolucionado desde ese evento (ej. una arista antigua puede volverse más influyente si forma parte de muchos triángulos nuevos).

D. Especificaciones de Modelos

Se proponen dos mecanismos específicos para la PMF de marcas ($q$):

1. Preferential Attachment (BA-style): Basado en el modelo Barabási-Albert. Los nuevos nodos se conectan a nodos existentes con probabilidad proporcional a su grado (con decaimiento temporal).
2. Change Statistic (CS-style): Basado en modelos ERGM (Exponential Random Graph Models). La probabilidad de añadir una arista depende de estadísticas de cambio en la red (ej. conteo de triángulos, estrellas, grado) mediante una función logística.

3. Contribuciones Clave

1. Marco Unificado: Unificación de la evolución temporal y topológica en un solo proceso puntual marcado, permitiendo inferencia conjunta sobre tiempos de llegada y estructura de red.
2. Teoría de Estabilidad: Demostración de la existencia, unicidad y no-explosión del proceso bajo condiciones de contracción (Lipschitz) en el espacio de historias marcadas. Se establecen condiciones suficientes para que el proceso no diverja (no explote en tiempo finito), incluso con dependencias no lineales.
3. Inferencia Basada en Verosimilitud: Derivación de una función de verosimilitud tratable. Gracias a la factorización, el término compensador (integral de la intensidad) se reduce a una integral sobre la tasa de suelo, evitando sumas inmanejables sobre el espacio de marcas dinámico.
4. Algoritmos de Simulación: Implementación de un algoritmo de adelgazamiento (thinning) de Ogata adaptado para espacios de marcas dinámicos, permitiendo la simulación exacta de redes crecientes.
5. Software: Desarrollo del paquete de R hawkesNet para la implementación práctica.

4. Resultados

A. Estudio de Simulación

• Se evaluó el comportamiento de los estimadores de máxima verosimilitud (MLE) en 100 realizaciones para los modelos BA y CS.
• Recuperación de Parámetros: Los parámetros de la PMF de marcas (estructura) se recuperaron con alta precisión. Los parámetros temporales de Hawkes mostraron la variabilidad típica de modelos autoexcitatorios, pero con consistencia asintótica a medida que aumentaba la ventana de tiempo.
• Estabilidad: Se confirmó que las condiciones de decaimiento temporal y saturación evitan la explosión del proceso, incluso en regímenes críticos.

B. Aplicación Empírica: Red de Contacto en Conferencia

• Datos: Red de contactos cara a cara de la conferencia ACM Hypertext 2009 (16 horas, 100 asistentes, 946 contactos únicos).
• Modelo Ajustado: Se utilizó el modelo Change Statistic HawkesNet con términos de GWESP (Shared Partners) y GWDEG (Grado) para capturar cierre social y popularidad.
• Hallazgos:
  • El modelo capturó exitosamente la dinámica de autoexcitación (los contactos iniciales disparan interacciones posteriores).
  • Los parámetros estructurales positivos para GWESP y GWDEG confirmaron la presencia de mecanismos de cierre triádico y preferencia por nodos populares.
  • Ajuste (Goodness-of-Fit): Las simulaciones del modelo ajustado reprodujeron con gran fidelidad la distribución de grados, la distribución de partners compartidos (ESP) y las distancias geodésicas de la red observada, superando a modelos más simples (como solo triángulos y estrellas).

5. Significado e Impacto

• Fundamento Teórico: Proporciona una base rigurosa para la inferencia estadística en redes evolutivas continuas, superando las limitaciones de los modelos de tiempo discreto y los supuestos de separabilidad.
• Interpretabilidad: Permite descomponer la dinámica de la red en componentes temporales (cuándo) y estructurales (qué), facilitando la interpretación de mecanismos sociales o biológicos subyacentes.
• Flexibilidad: El marco es lo suficientemente general para incorporar covariables nodales, disolución de aristas (en extensiones futuras) y diversos mecanismos de crecimiento.
• Aplicabilidad: Demuestra que es posible modelar redes complejas y bursty (con ráfagas de actividad) sin sacrificar la capacidad de inferencia estadística, ofreciendo una herramienta potente para ciencias sociales, epidemiología y análisis de redes biológicas.

En resumen, el artículo establece un nuevo estándar para modelar la evolución de redes en tiempo continuo, combinando la teoría de procesos puntuales con la complejidad estructural de las redes, y validando su utilidad tanto teóricamente como en datos reales.