若无网络科学，深度图学习将停滞不前
机器学习
2026-02-04 v2
摘要
深度图学习专注于以自动化方式学习模式的灵活且可泛化的模型。网络科学则侧重于通过明确的假设揭示复杂系统组织原理的模型和度量。这两个领域有着共同的目标：更好地建模和理解图结构数据中的模式。然而，深度图学习优先考虑经验性能，却忽视了来自网络科学的基本洞见。我们的立场是，若无网络科学的洞见，深度图学习将停滞不前。在这篇立场论文中，我们提出了六项行动呼吁，旨在利用网络科学中尚未被挖掘的洞见来解决深度图学习当前面临的问题，确保该领域持续取得进展。
引用
@article{arxiv.2502.01177,
title = {Deep Graph Learning will stall without Network Science},
author = {Christopher Blöcker and Martin Rosvall and Ingo Scholtes and Jevin D. West},
journal= {arXiv preprint arXiv:2502.01177},
year = {2026}
}