Spectral embedding of inhomogeneous Poisson processes on multiplex networks

Resumen Técnico: Incrustación Espectral de Procesos de Poisson Inhomogéneos en Redes Multiplex

Declaración del Problema
Los datos de redes del mundo real suelen exhibir dos complejidades críticas: la heterogeneidad en los tipos de conexión (multiplexidad) y la evolución en tiempo continuo. Mientras que las redes multiplex estáticas y las redes dinámicas de tiempo discreto han sido ampliamente estudiadas, existe una falta de marcos estadísticos rigurosos para las redes multiplex en tiempo continuo donde las interacciones de los bordes se modelan como procesos de puntos. Los enfoques de tiempo continuo existentes suelen estar separados del marco de los Grafos de Producto de Punto Aleatorio (RDPG, por sus siglas en inglés), el cual proporciona poderosas garantías teóricas para la estimación de posiciones latentes. Este trabajo aborda esta brecha proponiendo un modelo para datos de redes multiplex observados en tiempo continuo, donde las intensidades de los bordes están impulsadas por posiciones latentes de baja dimensión.

Metodología
Los autores introducen el Grafo de Producto de Punto de Procesos de Poisson Inhomogéneos Multiplex (MIPP-DPG). En este modelo:

1. Estructura de Datos: Las observaciones son cuádruplas $(i_k, j_k, \ell_k, t_k)$ que representan una interacción dirigida del nodo $i$ al nodo $j$ en la capa $\ell$ en el tiempo $t$.
2. Posiciones Latentes: Cada nodo $i$ posee dos tipos de posiciones latentes:
   • Una posición dinámica e independiente de la capa $X_i(t) \in \mathbb{R}^d$ que evoluciona con el tiempo pero que es compartida entre todas las capas.
   • Una posición estática y dependiente de la capa $Y_{\ell i} \in \mathbb{R}^d$ específica para cada capa $\ell$.
3. Función de Intensidad: La intensidad $\lambda_{\ell ij}(t)$ del proceso de Poisson inhomogéneo que gobierna el borde $(i, j)$ en la capa $\ell$ se define como el producto interno de estas posiciones latentes:
   $$\lambda_{\ell ij}(t) = X_i(t)^\top Y_{\ell j}$$
4. Procedimiento de Estimación: Para estimar estas posiciones latentes, los autores proponen un enfoque de discretización:
   • El intervalo de tiempo continuo $[0, 1]$ se divide en $M$ contenedores (bins).
   • Se construye un estimador de histograma para las intensidades de los bordes dentro de cada contenedor, lo que resulta en una matriz de bloques $\hat{\Lambda}$.
   • Se aplica la Incrustación Espectral de Adyacencia de Doble Desplegamiento (DUASE) a $\hat{\Lambda}$. Esto implica apilar las matrices de adyacencia de todas las capas y contenedores de tiempo en una gran matriz y realizar una descomposición en valores singulares (SVD) para recuperar las estimaciones $\hat{X}$ y $\hat{Y}$.

Contribuciones Teóricas Clave
El artículo establece propiedades asintóticas rigurosas para el estimador DUASE aplicado al MIPP-DPG a medida que el número de nodos $N$, el número de contenedores de tiempo $M$ y el número de capas $L$ crecen.

1. Consistencia (Teorema 1): Los autores demuestran la consistencia de norma dos-a-infinito por filas para las posiciones latentes estimadas. Específicamente, muestran que las posiciones estimadas convergen a las posiciones reales (salvo una transformación lineal) con un límite de error que decrece a medida que $N \to \infty$.

   • El límite tiene en cuenta tanto la varianza (error estocástico del proceso de Poisson) como el sesgo (introducido por la discretización temporal).
   • Crucialmente, la teoría demuestra que, aunque los datos se discretizan en contenedores, el estimador recupera asintóticamente la naturaleza de tiempo continuo de las posiciones latentes, siempre que el número de contenedores $M$ crezca a un ritmo más lento que $N$ (específicamente $M = o(N^{1/2}/\log^4 N)$).
   • Se consideran dos supuestos de sesgo: (i) Continuidad de Lipschitz libre de rotación y (ii) Continuidad de Lipschitz de subespacio, esta última una condición más débil e invariante de rotación sobre la dinámica del espacio latente.

2. Normalidad Asintótica (Teorema 2): El artículo establece un Teorema del Límite Central (CLT) para el vector estudiado de las diferencias entre las posiciones latentes estimadas y las reales. Este resultado proporciona una base teórica para la construcción de intervalos de confianza y la realización de pruebas de hipótesis sobre las posiciones latentes. El CLT se cumple bajo condiciones moderadas respecto al rango y la densidad de la matriz de intensidad.

Resultados Empíricos
El método propuesto se valida mediante simulaciones y una aplicación en el mundo real:

• Simulaciones: Los autores simulan MIPP-DPGs con estructura de bloques. Los resultados confirman que el estimador DUASE recupera con éxito tanto las trayectorias dinámicas $X_i(t)$ como las posiciones estáticas específicas de la capa $Y_{\ell j}$. Las simulaciones también demuestran que el método sigue siendo efectivo incluso cuando los supuestos estrictos de continuidad de Lipschitz se violan (por ejemplo, en presencia de discontinuidades), siempre que el tamaño de la red $N$ sea suficientemente grande.
• Aplicación en el Mundo Real: El modelo se aplica a una red de transporte aéreo global (OpenSky Network, abril de 2021), tratando a diferentes modelos de aeronaves como capas. La incrustación espectral recupera con éxito estructuras latentes que se alinean con regiones geográficas (continentes), al tiempo que identifica grupos funcionales (por ejemplo, centros intercontinentales frente a aeropuertos regionales) que trascienden la simple geografía.

Significancia y Reivindicaciones
Los autores afirman que este trabajo proporciona la primera justificación teórica rigurosa para aplicar métodos de incrustación espectral a redes multiplex en tiempo continuo modeladas como procesos de Poisson inhomogéneos.

• Puente entre Marcos de Trabajo: El trabajo conecta la teoría de los procesos de puntos en tiempo continuo con el marco establecido de RDPG, permitiendo el uso de métodos espectrales en tiempo continuo.
• Justificación de la Discretización: Una contribución clave es la demostración de que la simple discretización basada en histogramas, seguida de DUASE, es suficiente para recuperar las estructuras latentes de tiempo continuo asintóticamente.
• Utilidad para Tareas Posteriores: El resultado de normalidad asintótica se destaca como particularmente significativo para tareas posteriores, como la detección de comunidades, ya que respalda teóricamente el uso de modelos de mezcla gaussiana para el agrupamiento (clustering) de las posiciones incrustadas.

El artículo concluye que, si bien el método depende de la continuidad de Lipschitz para las garantías teóricas, la evidencia empírica sugiere robustez ante las violaciones de estos supuestos. Se sugiere como trabajo futuro explorar escenarios donde la estructura de la propia red sea desconocida e investigar modelos de procesos de puntos más complejos, como los procesos autoexcitantes.