Dec, 2021

超图自我网络及其时间演化

PDF
TL;DR本文提出了用超图的 ego 网络结构建模高阶单节点交互，并提出了超图 ego 网络的时间重构作为预测超图局部时空结构的模型的基准问题。研究者们将深度学习二元分类器与爬山算法相结合，以跨多种领域找到的结构模式为基础，提出了重构超图 ego 网络的模型。
hypergraphsego-networkstemporal reconstructiondeep learningstructural patterns
发现论文，激发创造
  • Ego-GNNs：利用 Ego 结构在图神经网络中

    本研究提出了新的 Ego-GNN 方法，通过增加在每个节点周围子图中定义的信息来扩展 GNN 的消息传递操作，并证明了 Ego-GNN 比标准消息传递 GNN 更强大，能够识别封闭三角形，从而在绝大多数现实世界的图中更有效地进行节点分类。

    Jul, 2021

  • Ego-CNN: 分布式、以自我为中心的图表表示，用于检测关键结构

    本文提出了一种名为 Ego-CNNs 的新型图嵌入模型，利用自我卷积和各层层叠的中心方式来有效检测精确的关键结构，并可与任务模型联合训练，取得可比较的任务性能表现，且适用于 CNN 可视化技术，结合规模自由先验，进一步提高训练效率。

    Jun, 2019

  • 超图回响状态网络

    这篇文章介绍了一种超图回声状态网络（HypergraphESN）作为图回声状态网络（GraphESN）的推广，旨在高效处理超图结构数据，并导出了算法的收敛条件，讨论了与 GraphESN 相比的多样性。对于超图结构数据，对二元分类任务的数值实验表明，HypergraphESN 与 GraphESN 相比具有相当或更好的准确性性能，并且准确性会随着发现网络中更多的高阶交互作用而增加。

    Oct, 2023

  • 时态网络

    该文章探讨了时间网络的新兴领域，讨论了分析拓扑结构和时间结构的方法以及阐述它们与动态系统行为的关系，并指出与静态网络不同，由于在时间网络中有些基本属性不一定成立，因此需要创新性的方法来研究分析。

    Aug, 2011

  • 现实世界超图的结构模式和生成模型

    本文通过实证研究探索了多个领域的真实超图数据集，并引入多级分解方法，探讨了其五个结构特性，为超图生成问题建立了基础，并提出了一个简单而有效的超图生成器模型。

    Jun, 2020

  • 社交媒体中自我网络的演化与链接推荐

    通过分析来自 Flickr 和 Tumblr 的 170M 个自我网络的完整时间演变，我们发现自我网络的演变是爆发性的、社区驱动的，有后续的直径增加、轻微收缩和稳定阶段。 推荐系统有利于流行和连接紧密的节点，限制了直径的展开。 推荐系统引入的偏差促进了邻居选择的全局多样性。最后，我们通过两个链接预测实验展示了如何利用我们分析的见解来提高社交推荐系统的效果。

    Feb, 2017

  • 从超图能量函数到超图神经网络

    本文提出基于超图正则化能量函数的多个超图神经网络，论述了如何将最小化这些能量的结点嵌入技术，与参数化分类器结合进行端到端训练的过程，并通过实验证明了其优秀性能。

    Jun, 2023

  • 基于时间图的动态图深度学习

    本文提出了一种称为 TGN 的新型深度学习框架，可以有效地在动态图形学中学习演化特征或连接。

    Jun, 2020

  • 时态网络创造博弈

    本文研究了时间图和博弈论网络形成模型，介绍了一种简化的模型，证明了它的均衡点是时间跨度算法问题中的一个解，指出了需要深入研究策略代理人创造时间图的难点。

    May, 2023

  • 多元时间序列预测的演化和多尺度图结构学习

    本研究提出了一种基于层级图结构和扩张卷积的时变序列的预测方法，该方法使用一系列的邻接矩阵来表示不断演化的变量之间的相关性，并通过一个统一的神经网络模型来捕捉它们之间的动态和多尺度的交互作用，实验表明该方法在单步和多步预测任务中均优于现有的方法。

    Jun, 2022