在各种复杂系统中,群体互动是非常普遍的(例如,研究人员的合作以及在线问答网站上的小组讨论),而它们通常被建模为超图(hypergraphs)。超边(hyperedges),构成超图的元素,是任意数量节点的非空子集,因此每一个超边都自然地表示了实体间的群体互动。超图的高阶特性带来了独特的结构属性,这些在普通的成对图中尚未考虑。
在本教程中,我们提供了一个全面的概述,介绍了一个名为超图挖掘(hypergraph mining)的新研究课题。具体来说,我们首先介绍了真实世界超图最近揭示的结构属性,包括 (a) 静态和动态模式、(b) 全局和局部模式,以及 (c) 连接性和重叠模式。伴随着这些模式,我们描述了用于发现它们的高级数据挖掘工具。最后,我们介绍了简单但真实的超图生成模型,为结构属性提供了解释。
目标受众:本教程主要针对对图挖掘、社交网络分析或网络科学感兴趣的人,从研究者到工业界的实践者都适用。
先决条件:线性代数和概率论的基本知识将会很有帮助。本教程将涵盖必要的初步内容,并提供关于该主题最近研究的直观概览。