本文介绍了一种计算机程序来生成具有超几何空间中随机几何图形模型的网络，并模拟其在不同网络结构特性方面的表现。

Mar, 2015

该论文研究了复杂网络中度分布异质性的发生原因，发现隐性双曲空间的指数扩张可以解释度数分布的异质性现象，使用费米 - 狄拉克统计物理解释了超几何距离，通过在超几何空间上嵌入互联网，能够实现只需本地信息的路由。

Mar, 2009

网络几何学的三种方法包括潜在空间几何、动力学过程感应几何和最短路径距离感应几何，能够有效地发现网络的分形性、尺度不变性、自相似性等基本对称性，在理论研究和实际应用中具有很大的效用。未来的研究方向和挑战也在这个新领域，可以理解大脑是如何工作的以及在互联网中进行路由选择。

Jan, 2020

本文介绍了一种通过动态的边缘曲率来描述网络几何性质的方法，展示了网络演化中的瓶颈边缘和信息传播过程，利用该方法成功地推导出了多尺度社区结构。

Jan, 2021

本文通过一项组合负曲率（又称双曲性）的测量方法，展示了许多生物和社交网络呈现出双曲性质，证明了双曲网络的优越性质对于可靠最短路径和网络中心节点的存在具有重要影响。

Mar, 2014

本研究探索图形拓扑的离散曲率和嵌入空间的连续全局曲率的属性，提出了一种基于超边曲率感知的图神经网络（HCGNN），该网络利用离散曲率引导周围消息传递，并同时自适应调整连续曲率。在节点分类和链接预测任务上进行了广泛的实验，结果表明所提出的方法在高超曲线图数据和低超曲线图数据中均优于各种竞争模型。案例研究进一步证明了离散曲率在发现本地集群和缓解超曲线几何引起的畸变方面的有效性。

Dec, 2022

这篇研究使用 persistent homology 方法来检测比较难以用传统统计方法描述的网络拓扑结构，将加权网络基于这些结构分类为具有不同特征的两类，并将代数拓扑工具引入复杂系统中。

Jan, 2013

本文是第一篇也是目前最全面的关于超几何空间在计算机视觉应用领域的文献综述，讨论了超几何空间背景、算法及其在图像分类等视觉数据处理中的应用，并对未来研究方向进行了探讨。

Apr, 2023

分析几何网络模型，提出了节点在点阵上排列的概念，并对 3 和 4 节点子图进行分析，发现许多真实世界的网络模式不仅仅是受到几何模型的影响，而是被选择为具有定义信息处理功能的基本电路元件。

Sep, 2004

本文提出了第一个归纳式的超几何图卷积神经网络 (HGCN)，它利用了超几何空间的表达能力和嵌入高度曲率的特点来学习分层和无标度图的归纳式节点表示，并说明了如何将欧几里得输入特征转换为具有不同可训练曲率的超几何嵌入。 实验证明，HGCN 学习到的嵌入保留了分层结构，并且与欧几里得模型相比，即使具有非常低的维度嵌入，也能获得更好的性能：在链路预测中，ROC AUC 误差降低最多为 63.1％，在节点分类中，F1 score 提高最多为 47.5％，也改善了 Pubmed 数据集的最新技术水平。

Oct, 2019