Feb, 2018

单纯闭包与高阶链接预测

PDF
TL;DR使用高阶交互作用模型，研究 19 个数据集的时空演化，证明高阶交互作用种类多样，同一系统类型的数据集具有一致的高阶结构模式，同时，密度与强度是高阶组织的竞争指标，并提出高阶链接预测作为模型和算法的基准问题，发现与传统的成对链接预测有根本区别。
networkscomplex systemshigher-order interactionstemporal evolutionlink prediction
发现论文，激发创造
  • 超越两两交互的网络：结构和动态

    本文总结了一个新兴领域 —— 除了成双成对的相互作用的网络。本文介绍了表示高阶相互作用的方法，并重点讨论了高阶动力系统和动态拓扑的快速增长的研究，并集中讨论了传播、同步和游戏等的新兴现象，当这些波及的节点多于两个时，阐明了高阶拓扑与动态属性之间的关系，并提供了实证应用的概述，展望了当前建模和概念前沿。

    Jun, 2020

  • 复杂系统中高阶相互作用的物理学

    用复杂网络建模相互作用系统的动态已成为主要范例，但现实系统的高阶相互作用往往涉及三个或更多单元的团体，因此更好的工具是高阶结构，如超图和单形复合体，本文概述了高阶相互作用引发的集体行为及高阶系统物理面临的三个关键挑战。

    Oct, 2021

  • 复杂网络的高阶组织

    基于高阶连接模式的聚类可以揭示网络的高阶组织结构，此框架对于大规模网络的优化性能具有数学保证。

    Dec, 2016

  • 高阶排名和链接预测：从闭合三角形到闭合高阶模式

    我们引入了模式闭合的概念，并基于闭合高阶网络模式的概念描述了基于高阶排名和链接预测方法。这些方法对于基于实时排名和链接预测的应用，如网络搜索，在线广告和推荐，具有快速高效的特点。

    Jun, 2019

  • 分层结构与网络中遗漏链接的预测

    这篇论文提出了一种从网络数据中推断出分层结构的通用技术，并证明了层次结构的存在可以同时解释和定量重现网络的许多常见的拓扑特性，同时还展示了层次结构的知识可以用于高精度地预测部分已知网络中的缺失连接，这表明分层结构是复杂网络的一个核心组织原则，能够为许多网络现象提供深刻洞察。

    Nov, 2008

  • 面向时间性图的交互顺序预测

    本研究旨在预测节点交互的顺序，以实现对于静态和时间图中链接预测的改进。

    Feb, 2023

  • 链路社区揭示网络的多尺度复杂性

    该文研究了结构和动态的网络中的群体（communities），将其重新构想为链接组成的群体而不是节点，发现这种非传统的方法成功地调和了重叠群体和层级组织的对立组织原则，找到了许多网络中的相关链接社区，包括大型社交网络，结果表明链接社区是揭示网络中重叠和层级组织的基本构建块。

    Mar, 2009

  • 拓扑神经网络：通过高阶交互缓解图神经网络的瓶颈问题

    图神经网络在图结构化数据的表示学习任务中具有捕捉局部和全局模式的能力，但是长程和高阶依赖性带来了挑战。为了解决此问题，该论文提出了拓扑神经网络，并引入了基于拓扑结构的消息传递机制和多元关系归纳偏置，以更好地捕捉依赖关系和设计各向异性聚合方法。此外，还介绍了增强型细胞同构网络，通过增加拓扑消息传递机制，使环形结构中的节点组之间能够直接进行交互。

    Feb, 2024

  • 探索图解释中的高阶结构

    介绍了一种名为 HOGE 的框架，用于捕捉使用细胞复合体建模的高阶结构，可用于解释图神经网络的预测，并在实际应用中达到更清晰和更准确的解释。

    Jun, 2024

  • 神经时序点过程用于预测高阶和方向交互

    本论文提出了一种基于深度神经网络的模型，名为 “有向超节点时间点过程 (Directed HyperNode Temporal Point Process)”，用于预测高阶有向交互作用，具有很高的效率并经过了大量实证研究。

    Jan, 2023