ICLRJan, 2024

从图到超图：超图投影及其修复

PDF
TL;DR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。
graphhypergraphinterconnected systemsprojectionreconstruction
发现论文，激发创造
  • 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

  • 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

  • 超图中我们需要多少和何时需要高阶信息？—— 以超边预测为例的案例研究

    通过实验得出以下结论：（a）小 n 足以实现精度与近乎完美近似值相当， (b) 当任务变得更加具有挑战性时，大的 n 会带来更多益处， (c) 对于那些成对交互不太能够说出高阶交互的数据集，在降为两两抽象时，将失去很多精度。

    Jan, 2020

  • 深度超图结构学习

    为优化基于超图的数据表示学习中的超图结构，我们提出一种名为 DeepHGSL 的深度学习超图结构学习的通用范式，并引入信息瓶颈原理来构建损失函数，以减少超图结构中的噪声信息，从而提取更加鲁棒的特征表达，在四个基准数据集上的实验结果表明了模型的有效性和鲁棒性。

    Aug, 2022

  • 通过高阶超图漫步进行超网络科学

    本文提出了高阶超图行走作为一个新的框架来推广基于图的网络科学技术到超图中，并通过应用高阶模型分析真实世界的超网络数据和三个生成模型发现了超图结构的微妙和可解释性，表明当利用针对捕捉超图本地现象的工具时，超图结构化数据的分析更加丰富。

    Jun, 2019

  • 基于 PageRank 的超图聚类

    本文提出了两种基于个性化 PageRank 的超图聚类算法，它们都具有输出顶点集合对导纳有理论保证的优点，并在解决方案质量和运行时间方面优于现有方法。这是第一篇在具备理论保证的情况下实现了超图聚类的实用算法。

    Jun, 2020

  • 通过超图对称打破实现高阶关联预测的表达力

    超图表示能学习到更高阶的链接预测，通过预处理算法识别出对称的子超图来提高广义魏斯费勒 - 利曼 1 算法的表达能力。

    Feb, 2024

  • 超图上的全变差 - 超图学习的再探讨

    本文提出了一种新的基于超图的学习框架，其中使用基于超图的总变差的正则化泛函作为关键元素，充分利用超图结构来编码数据中的高阶关系。

    Dec, 2013

  • 基于超图群体的分类模型

    本文介绍了一种新颖的超图分类算法，通过构建具有任意阶多项交互的超图，并采用超图种群来提高算法的性能和鲁棒性，在两个数据集上评估并证明了其相较于通用的随机森林分类算法具有良好的性能。

    May, 2024

  • 图挖掘的知识表示分析

    研究高阶问题表述在知识表示方面的挑战性，并以图挖掘问题为例进行解决，提出了编码技术以及高阶语言扩展来实现高阶逻辑。此外，比较了三种不同的方法的性能，讨论了求解器的支持问题。

    Aug, 2016