- WWW软掩码：图神经网络的自适应子结构提取
该研究论文讨论了如何使用 soft-mask GNN 层来提取子图或层次结构等任务相关结构，以及如何通过可视化 mask 的值来深入了解模型学习到的图结构相关的内容。
- SIGIRHAKG: 面向推荐的层次感知知识门控网络
本文提出了一种新模型，叫做 Hierarchy-Aware Knowledge Gated Network（HAKG），主要应对 KG 领域中现存的一些问题，在实验中，与现有的方法相比表现了很大的优势。
- EMNLP利用左角递归神经网络语法模拟人类句子处理
本文调查了上下文中的分层结构对语言模型的人类化作用，并论证了用左角解析策略的分层模型比顺序模型和自上而下解析策略的分层模型更具有认知可信度，进一步探讨了认知可信度与 perplexity、解析和 beam size 之间的关系。
- AAAI嵌套分层变压器：实现精准、数据高效和可解释的视觉理解
本文探讨了在图像块上嵌套局部 Transformer 并以层次化方式汇总它们的想法，并设计了一个简化的架构，它通过解耦特征学习和抽象过程，实现了对学习模型的可视化解释。
- 预测未来的可预测性学习
该论文提出了一个基于超伯利几何的预测模型，能够从未标记的视频中学习可预测特征的层次结构，并在动作预测方面展现出层次表示法的关键作用。
- ICML大规模分类器分类结构可视化
本文提出一种通过预测分数计算大规模分类中类相似度的方法，并展示如何通过可视化类相似度矩阵揭示支配类别的分层结构和关系，以及如何使用这些结构分析分类行为和推断潜在极端情况。
- CVPR具有类型部件关系推理的层次式人体解析
该研究利用深度图网络和分层人体结构实现人体分割和结构模型，通过三种不同的关系网络描述人体关系模型，并采用消息传递网络的迭代推理方法。
- ICLR具有层次累积的树状关注
本文提出了 “Hierarchy Accumulation” 的方法，将分析树结构编码为自注意力，以常数时间复杂度实现了序列模型，相较于 SOTA 方法，在四个 IWSLT 翻译任务和 WMT'14 英德翻译任务上表现更好，并在三项文本分类 - Poincaré 变分自编码器实现连续的分层表示
本文利用 Poincaré 球模型的超几何结构作为潜变量空间，研究了 VAE 在这个空间的运用，该方法在嵌套数据结构下表现出色，并展现了超几何结构对于 VAE 的优越性。
- 评估 LSTM 学习无上下文文法的能力
使用长短时记忆神经网络模型探索了自然语言中的分层结构，结果显示 LSTM 无法学习到相关的上下文无关规则，但仍是许多自然语言任务的高效工具之一。
- EMNLPLSTM 能否学会捕捉一致性？以巴斯克语为例
该研究主要探讨了顺序神经网络模型在巴斯克语中的一项任务 —— 协议预测，发现这些模型在协议预测上表现不如预期，并提出巴斯克协议预测任务作为学习自然语言正则性的具有挑战性的基准测试。
- 卷积神经网络架构匹配自然语言句子
本篇研究提出了一种卷积神经网络模型来匹配两个句子，并应用于不同语言和不同性质的匹配任务中，实验证明该模型表现出了良好的性能和比竞争模型更优的结果。
- 由持久同调描述的无定形固体的分层结构
本文提出了一种基于持久性图（PD）的拓扑方法，可提取各种无定形固体的分层结构。该方法可以应用于多种无序系统中，包括实例中的硅玻璃，Lennard-Jones 系统和 Cu-Zr 金属玻璃，通过 PD 识别出层次化的原子配置结构，比传统方法提 - 统计物理学在政治中的应用
运用实空间重整化群的概念和技术研究分层结构中的多数规则投票，发现民主投票可能通过维持少数派的权力而导致极权主义，分析并确定了产生这种悖论的条件，多数规则产生了绝对权力的临界阈值，这些阈值的值可以从 50% 到至少 77% 不等，相关的机制可