动态组合复形的深度自回归模型
机器学习
2025-03-05 v1 社会与信息网络
摘要
我们引入了 DAMCC（动态组合复形的深度自回归模型），这是第一个旨在生成动态组合复形（CCs）的深度学习模型。与传统的基于图的模型不同，CCs 能够捕捉高阶相互作用，使其非常适合表示社交网络、生物系统和不断演进的基础设施。虽然现有模型主要关注静态图，但 DAMCC 解决了在动态网络中对时间动态和高阶结构进行建模的挑战。DAMCC 采用自回归框架来预测 CCs 随时间的演化。通过在真实世界和合成数据集上的全面实验，我们证明了其捕捉时间依赖性和高阶依赖性的能力。作为同类模型中的首创，DAMCC 为动态组合复形建模的未来发展奠定了基础，并在更大规模网络上提供了提升可扩展性和效率的机会。
引用
@article{arxiv.2503.01999,
title = {A Deep Autoregressive Model for Dynamic Combinatorial Complexes},
author = {Ata Tuna},
journal= {arXiv preprint arXiv:2503.01999},
year = {2025}
}
备注
66 pages, 12 figures. Submitted in partial fulfillment of the requirements for the MRes degree in Artificial Intelligence and Machine Learning of Imperial College London