基于依赖关系的高阶网络建模

2022年08月04日 12:12:40 拜伦建站 57次

基于依赖关系的高阶网络建模

导语

高阶网络读书会由电子科技大学吕琳媛老师、任晓龙老师及中国地质大学(北京)管青老师联合发起,自 2022 年 6 月 28 日开始,每周四晚上 19:30-21:30 举办,持续时间预计 10-12 周。期间,我们将围绕高阶交互网络的基本概念、模型、方法与应用等研究进行研讨,本季读书会分享会按照「基础理论」+「深入理论」+「案例研讨」的模式展开。欢迎对本话题感兴趣的朋友报名参加!详情见文末。

跟读书会主题之间的关系

高阶交互网络的建模方法多种多样,基于依赖关系的网络建模利用时间序列数据推断出的更高维度的路径信息,引入了非马尔可夫高阶网络模型。相较于一阶网络,该模型能够识别节点序列中的相关性。这种相关性常被称为高阶依赖关系,它能够更好地捕捉复杂系统的组件是如何直接和间接地相互影响,并解释了这些影响如何在现实数据中体现。高阶依赖关系由于能够揭示节点间的交互行为,更加精确地描述节点特征,提升了表示网络的能力,在各类下游任务都有着不错的性能提升。

报告内容简介

上期分享中杨荣湄和周方介绍了基于结构的高阶网络建模方式,本期分享与基于单纯复形的高阶网络建模不同,基于依赖关系的高阶结构通常是指在实证数据中观察到的或通过数据挖掘得到的特定连边序列。实证研究表明,真实网络中的游走具有记忆性,节点的转移概率不仅取决于节点的当前位置,还会受到历史行为的影响,这种影响可以用高阶依赖关系来描述。识别和表示网络中基于依赖关系的高阶相互作用有助于充分理解复杂系统中的传播行为、探索高阶马尔可夫动力学等在网络中的应用。

本期分享将聚焦于高阶依赖关系建模这一课题,围绕如下要点进行:

1. 高阶依赖关系的识别与表示

2. 高阶依赖网络的应用

本次分享是论文精读。首先介绍基于依赖关系的高阶网络建模,接下来为了说明方法的有效性,详细汇报一种构建高阶依赖网络的方法,以及后续工作对该方法的优化与应用。

【大纲】

介绍基于依赖关系的高阶建模

背景知识

高阶依赖的定义

传统网络建模方法、高阶网络模型简介

与基于超图和单纯复形的高阶模型的区别

以往研究的进展

BuildHON 模型的算法框架

总体建模思路、输入、输出

Rule extraction 思路

Network wiring 思路

模型应用

社区发现

节点重要性排序

链路预测

BuildHON 模型的优化与应用

高阶依赖网络的树模型 GrowHON

生物流高阶网络模型 SF-HON

高阶网络异常值检测

疾病网络的高阶关系

高阶网络嵌入模型 HONEM

【主要涉及到的知识概念】

高阶依赖关系 Higher-order dependencies

序列数据 Sequential data

信息流模型 Information flow model

非马尔可夫性 Non-Markovian

主持人

基于依赖关系的高阶网络建模

管青,中国地质大学(北京)副教授,博士生导师。主要研究兴趣为网络数据挖掘,链路预测,高阶建模及其在各领域中的应用。已发表学术论文 30 篇,主持国家自然科学基金项目、北京市优秀人才培养资助青年骨干人才项目等。

个人主页:

https://www.researchgate.net/profile/Qing-Guan-2

主持人介绍

基于依赖关系的高阶网络建模

李佳旭,国防科技大学系统工程学院 1 年级博士研究生,研究方向复杂系统建模,大数据挖掘,高阶网络建模与应用。

基于依赖关系的高阶网络建模

管炜,中国地质大学(北京)经济管理学院 3 年级博士生,专注于复杂系统与网络中信息挖掘的研究,主要研究兴趣是网络数据挖掘、网络嵌入以及高阶网络建模。

解读文献

精读的文章

Xu, J., Wickramarathne, T. L., & Chawla, N. V. ( 2016 ) . Representing higher-order dependencies in networks. Science Advances, 2 ( 5 ) , e1600028.

推荐的综述文章

Lambiotte, R., Rosvall, M., & Scholtes, I. ( 2019 ) . From networks to optimal higher-order models of complex systems. Nature Physics, 15 ( 4 ) , 313 – 320.

优化与应用方向的论文

上一篇:一图读懂丨如何防范钓鱼邮件、如何防范个人信息泄露……来看这些网络安全小
下一篇:中国好网民网络素养知识读本(银发族篇)第十期

声明:本页内容由好推网络科技有限公司通过网络收集编辑所得,所有资料仅供用户参考;本站不拥有所有权,也不承认相关法律责任。如您认为本网页中有涉嫌抄写的内容,请及时与我们联系进行举报,并提供相关证据,工作人员会在5个工作日内联系您,一经查实,本站将立刻删除涉嫌侵权内容。

相关资讯 Releva ntnews
  1. 我们的承诺
  2. 我们的实力
  3. 我们的未来

站点地图

Copyright © 2002-2019 拜伦建站 sh-bilon.com 版权所有