Jun, 2022

全球都是一张（超）图：一场数据戏剧

PDF
TL;DR介绍了 Hyperbard 数据集，包括从莎士比亚戏剧中提取的多种关系型数据表示形式，利用该数据集可以在图学习、图挖掘和网络分析等领域进行多种表现形式的实验。利用 Hyperbard 的数据，证明了许多通用图挖掘问题的解决方案取决于表示形式的选择，从而质疑了当前图数据的采集方式。
hyperbardrelational datashakespearegraph learninggraph mining
发现论文，激发创造
  • 从图到超图：超图投影及其修复

    本研究探讨了将图而非超图作为表示实际世界互联系统的建模选择的影响，提出了超图投影导致高阶关系丢失的两个普遍模式，并量化了在无额外帮助下恢复丢失高阶结构的组合不可能性。此外，基于学习的超图重建方法通过使用超边分布的重要统计量，在不同设置下在 8 个真实世界数据集上展示了良好的性能，并通过蛋白质排名和链接预测的用例展示了重建超图的优势。

    Jan, 2024

  • 混合图：一种统一的图表示法，用于复杂图的数据集和基准测试

    本文介绍了混合图 (即高阶图) 的统一定义以及混合图基准测试 (HGB)，并提供了可扩展的评估框架和支持代码库以方便在 HGB 上训练和评估 GNNs；我们的实证研究揭示了各种研究机会和空白。

    Jun, 2023

  • 自我监督的超图用于学习多个世界解释

    使用多任务超图的关系，通过一种利用标记小集合学习多个场景表示的方法，同时也展示了如何在不使用任何额外标记数据的情况下利用超图来改进强大的预训练 VisTransformer 模型。

    Aug, 2023

  • 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

  • 监督超图重建

    本文提出了一种有效的超图重构方法，该方法结合了超图的分布分析、采样策略和超边分类器，能够从现有的图数据中重建出真实超图，表现优于所有基准方法。

    Nov, 2022

  • 超几何图表征学习：教程

    介绍了基于超伽马空间表示的图形学习的前沿技术，并重点介绍了超伽马浅层模型和超伽马神经网络技术以及其组件变体的技术细节，同时讨论了超伽马几何图形表示学习的进阶主题。

    Nov, 2022

  • HyperSAGE: 超图归纳表示学习的通用化

    本文介绍了 HyperSAGE，这是一种新的超图学习框架，它使用了双层神经消息传递策略来准确高效地通过超图进行信息传播，并比基准数据集上的现有方法表现更好，具有更高的表达能力和更稳定的节点表示。

    Oct, 2020

  • 随机超图及其应用

    论文研究了社交网络中新兴的复杂图结构，以及 folksonomy 这种用户、资源和标签三重结构，提出了一个数学模型，用于计算其结构特征，研究发现多标签应用会导致该模型与实际网络存在一定的偏差。

    Mar, 2009

  • 双曲线图生成器

    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

  • 探索赋格曲的图形表示

    该研究探讨了音乐、图论和机器学习领域的重叠区域，通过一种加权无向图的节点嵌入表征探究了 383 个巴赫赞美诗的具体表现形式，并且验证了此方法在音乐应用中的应用价值。

    Jan, 2022