HONEM：面向高阶网络的嵌入学习
机器学习
2026-05-19 v2 机器学习
摘要
网络上的表示学习为通常费时费力的手动特征工程提供了一个强有力的替代方案，因此近年来取得了相当大的成功。然而，所有现有的表示学习方法都基于一阶网络（FON），即仅捕捉节点间成对交互的网络。因此，这些方法可能无法纳入网络中的非马尔可夫高阶依赖关系。由此生成的嵌入可能无法准确表示网络中的潜在现象，导致在不同的归纳或转导学习任务中表现不佳。为应对这一挑战，本文提出 HONEM，一种捕捉网络中非马尔可夫高阶依赖关系的高阶网络嵌入方法。HONEM 专为高阶网络结构（HON）设计，在包含非马尔可夫高阶依赖关系的网络的节点分类、网络重构、链接预测和可视化方面优于其他最先进的方法。
引用
@article{arxiv.1908.05387,
title = {HONEM: Learning Embedding for Higher Order Networks},
author = {Mandana Saebi and Giovanni Luca Ciampaglia and Lance M Kaplan and Nitesh V Chawla},
journal= {arXiv preprint arXiv:1908.05387},
year = {2026}
}