【KDD2020】现实世界超图的结构模式和生成模型,Structural Patterns Generative Models

2020 年 6 月 17 日 专知

题目: Structural Patterns and Generative Models of Real-world Hypergraphs

简介:

图已被用作对人或物之间的成对关系建模的强大工具。这种结构是一种特殊类型的概念,称为超图,其中每个超边可能包含任意数量的节点,而不仅仅是两个。大量的数据集都是这种形式的-例如,从组织发送的电子邮件的收件人列表,用户参与讨论的主题或在非在线问题中标记的主题标签。但是,由于表示形式复杂且缺少适当的工具,因此很少关注探索这些交互中的基本模式。在这项工作中,我们根据经验研究了多个跨领域的超图数据集。为了进行深入研究,我们引入了多级分解方法,该方法通过一组成对图表示每个超图。每个成对的图(我们称为k级分解图)捕获了k个节点的子集对之间的交互作用。根据经验,我们发现一个示教分解级,研究的超图遵循五个结构特性。这些属性用作评估超图的标准,并为超图生成问题奠定基础。我们还提出了一种超图生成器,它非常简单,但能够满足这些评估指标,而其他基线生成器模型则很难实现。


https://arxiv.org/pdf/2006.07060


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“SPGM” 可以获取《KDD2020-现实世界超图的结构模式和生成模型,Structural Patterns Generative Models》专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看获取5000+AI主题知识资源
登录查看更多
8

相关内容

注意力图神经网络的小样本学习
专知会员服务
191+阅读 · 2020年7月16日
自动结构变分推理,Automatic structured variational inference
专知会员服务
38+阅读 · 2020年2月10日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
202+阅读 · 2019年9月30日
【资源】机器学习资源大列表
专知
58+阅读 · 2019年10月16日
图论、图算法与图学习
专知
29+阅读 · 2019年6月24日
最新《生成式对抗网络GAN进展》论文
专知
95+阅读 · 2019年4月5日
新任务&数据集:视觉常识推理(VCR)
专知
50+阅读 · 2018年12月1日
Arxiv
5+阅读 · 2019年6月5日
Arxiv
4+阅读 · 2018年4月26日
Arxiv
26+阅读 · 2018年2月27日
Arxiv
5+阅读 · 2018年1月17日
VIP会员
相关VIP内容
注意力图神经网络的小样本学习
专知会员服务
191+阅读 · 2020年7月16日
自动结构变分推理,Automatic structured variational inference
专知会员服务
38+阅读 · 2020年2月10日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
202+阅读 · 2019年9月30日
Top
微信扫码咨询专知VIP会员