Mar, 2020

三角丰富复杂网络低秩表示的不可能性

PDF
TL;DR本文研究了复杂网络的图嵌入，发现该方法无法捕捉复杂网络的重要特征，尤其是低度和大聚集系数。通过数学证明和实证研究，本文认为这种图嵌入技术不适用于揭示真实世界复杂网络的结构特征。
complex networksgraph embeddingslow degreeclustering coefficientsempirical study
发现论文，激发创造
  • 基于低秩表示的复杂网络分类问题

    本文研究了实际应用中复杂网络的图形建模与欧几里得嵌入，以及这些低秩表示在网络分类问题中的性能表现。

    Oct, 2022

  • 节点嵌入和复杂网络精确低秩表示

    本文研究低维嵌入在复杂网络中的应用，证明了可用一种轻微改进的模型生成高度簇聚密度的稀疏图，同时得到准确的低维分解，并用基于逻辑主成分分析的简单算法成功找到了精确嵌入，实验证明低维嵌入对于捕捉真实世界网络的局部结构具有良好的效果。

    Jun, 2020

  • 简单形式复合体社区检测的 Simplex2Vec 嵌入

    本文介绍了如何使用符号嵌入来计算和可视化单纯复合体的社区结构，研究了综合性数据和来自大脑的拓扑表示的社区结构，并展示了如何利用高阶交互作用来改善聚类检测并评估高阶交互作用对个体节点的影响。

    Jun, 2019

  • 无标度网络的表示学习

    本文研究了学习比例自由网络表示的问题，提出了 “度数惩罚” 原则，通过利用谱技术和跳字模型两种实现方案，实现了传统 embedding 算法无法做到的重构重尾分布的度数分布和跃迁分类等功能。

    Nov, 2017

  • 基于复数嵌入的简单链接预测

    该研究基于复嵌入提出了一种解决大型知识库中链接预测问题的方法，相对于其他模型而言，这种方法更简单且可扩展性好，同时在标准链接预测测试中保持了更高的性能。

    Jun, 2016

  • 经典图结构特征在社区标记上胜过基于因式分解的图嵌入方法

    本研究分析并探讨了基于单节点低维度向量嵌入模型的无监督图表示学习方法在节点对社群标记任务方面的表现，发现相对于经典的基于结构特征的模型，该类模型表现较差且在实践中结果不够稳定，因而在捕获社群结构方面存在局限性。

    Jan, 2022

  • 使用 Node2Vec 学习得到的嵌入进行社区检测和分类保证

    通过对大型网络的节点进行嵌入，得到欧几里德空间中的表示是现代机器学习中的一个常见目标，该研究工作就对 node2vec 学习到的嵌入进行了理论性的分析，证明了其在聚类任务中表现出较弱的一致性，并对其在网络数据中的应用进行了讨论。

    Oct, 2023

  • 图顶点嵌入：距离、正则化和社区检测

    本文研究图嵌入的质量以及其在社区检测方面的有效性，通过使用灵活的距离函数捕捉不同顶点之间的拓扑距离，将顶点嵌入作为距离矩阵的变换结果进行分析，并在多个基准数据集上进行评估。结果表明，该方法操作于降维表示，使得计算复杂度大为减少，且性能与传统算法相媲美。

    Apr, 2024

  • 复杂网络的结构与功能

    这篇论文回顾了近年来研究网络系统（如 Internet、社交网络和生物网络）的各种技术和模型，包括小世界效应、度分布、聚类、网络相关性、随机图模型、网络增长模型和动态过程。

    Mar, 2003

  • 基于引用动态的复杂网络模型

    该研究使用一种新模型生成网络结构，此模型可模拟复杂网络的主要属性，例如节点度数不同，度相关性不同等，并且具有应用于引用网络的实际意义。

    Mar, 2013