通过图嵌入重构多层网络

多层网络是具有相同节点但不同边层的网络集合。它们是大量真实系统的真实表示，这些系统的元素以多种方式和类型相互作用。然而，多层网络在现实世界中并非总是易于观测；通常仅能获得关于网络层结构的局部信息，而其余信息以聚合的单层网络形式存在。近期工作已提出利用网络科学专有工具解决单层网络隐藏多层性重构问题的方案。在此，我们开发了一个利用图嵌入（即网络在几何空间中的表示）的机器学习框架。我们在旨在重构合成与真实世界多层网络的系统性实验中验证了该框架，提供的证据表明我们提出的框架不仅完成了预期任务，而且常常优于现有重构技术。