Hypergraph Motifs: Concepts, Algorithms, and Discoveries

  • 摘要
  • 动机
  • 思路
  • 概念
  • 算法

摘要

(Q1) what are structural design principles of real-world hypergraphs?
(Q2) how can we compare local structures of hypergraphs of different sizes?
(Q3) how can we identify domains which hypergraphs are from?

定义h-motifs(hypergraph motifs)和CP(characteristic profile),来解决上述三个问题。
提出新算法并进行采样优化,共得到三个算法及其理论分析,保证解决问题的效率。
(h-motifs是较为合理的超图基元,而CP是超图局部模式的直观体现)

动机

  • Graph在结构方面既有全局模式也有局部模式。
  • 后者正是区分真实图与随机图、不同领域图的区别,计算不同network motifs的出现次数即可。
  • 而寻找独立于超边和超图size的超图局部结构模式,需要新概念h-motifs来表示连通超边的结构。

思路

  • 超图重点在超边,它的本质是点集的非空子集。
  • 超边的连接关系如果只考虑超边作为集合的二元关系,反映在投影图中只有open与closed这2种,如图C,在超图中则有8种(未解)。
  • 可是如果考虑超边作为集合的三元关系,在投影图中相同的局部结构模式,就有了区别,如图D的右侧两个子图所示。

因此要利用投影图来算h-motifs,但不能止步于投影图

Figure 2: (a) Example: co-authorship relations. (b) Hypergraph: the hypergraph representation of (a). © Projected Graph: the projected graph of (b). (d) Hypergraph Motifs: example h-motifs and their instances in (b).

概念


根据上表,自上而下,逐步求得邻接超边、投影图、h-motifs、CP。

而全部26种h-motifs如图3所示。这是在全部2^7种可能中,排除了非连通3-超边、对称模式、重复超边(如图4)之后的结果。


此为标准化 t h-motifs出现次数

是normalized Z scores的替代,因为后者在network motifs中严重依赖于图的大小[45]。

进而作为一个分量而得到CP的向量的算数表达式。

算法


分别是对hyperedge和hyperwedge采样,复杂度分析见附录,两种采样都对h-motifs值做了修正,使其成为无偏估计。
随机图的随机方式在2.3中讲了,但具体还不知道,涉及G’
显然真实超图和随机超图有很大差别

对于真实超图,领域内有共性,领域间有差别。

超图间相关性的实验中,h-motifs的表现明显优于network motifs,使不同领域超图较好地区分开来,第3章开头有一段方法描述。

这还不太懂

h-motifs还可用于分析超图细微差别,比如历年共同作者网络的形势变化,合作不再那么集中。

A+算法的速度、精度分别远强于E、A算法。
降低采样率,A+算法的精度损失并不明显。
多线程加速算法,效果显著。
内存——投影图?大小对效率影响还没太懂

疑问:
2.2 集合的二元、三元关系的具体分析
2.3 随机超图的具体方式
3 h-motifs与network motifs方法对比
3.2 确定3-连通超边是某个h-motifs的复杂度分析(lemma 2)
3.3 两种采样算法的复杂度分析和有效性对比
3.4 并行与实时计算——尽可能减小投影图开销

Hypergraph Motifs: Concepts, Algorithms, and Discoveries相关推荐

  1. 数字图像处理:附录-程序实例、参考文献、标准图片集合

    程序实例 声明:本资源仅供清华大学计算机系学生学习数字图象处理课程使用,未经允许不得用于其它目的.这里的程序都是清华大学计算机系人机交互与媒体实验室的教师与学生编制的,仅供参考,问题难免. 1.    ...

  2. 明翰全日制英国硕士学术写作V0.1(持续更新)

    明翰全日制英国硕士学术写作V0.1(持续更新) 文章目录 传送门 PAP学术写作 `批判性思维` 定义解释 `Position` Reason Evidence Argument Rebuttal ` ...

  3. Ipopt输出的含义

    https://coin-or.github.io/Ipopt/OUTPUT.html 优化过程中的输出 This pages describes the standard Ipopt console ...

  4. 明翰全日制英国硕士留学攻略V2.7(持续更新)

    文章目录 传送门 前言 1. 留学准备 1.1 `留学原因` 1.2 选择国家 1.3 `选择中介` 1.4 `选择学校与专业` `offer` 1.4.1 预科 1.4.2 `1年制与2年制` 1. ...

  5. 在家学习编码:冠状病毒隔离开发人员技能手册

    You're stuck at home. You can't hang out with your friends or go to events. The economy is in free f ...

  6. Optimizing Unity UI

    A guide to optimizing Unity UI 版本检查: 5.3 - 难度: 高级 Optimizing a user interface driven by Unity UI is ...

  7. skewness z 分数_z分数用于异常检测

    skewness z 分数 重点 (Top highlight) Most of the time I write longer articles on data science topics but ...

  8. 视觉相关的(在线online)书籍汇总【…

    今天搜书的时候突然在电驴上搜到的,无心插柳,看起来我还是知道的太少了...... CVonline: Vision Related Books including Online Books and B ...

  9. Cluster analysis :Basic Concepts and Algorithms -- Part 5 Cluster Evalation

    系列文章 Cluster analysis :Basic Concepts and Algorithms – Part 1 Overview Cluster analysis :Basic Conce ...

最新文章

  1. Ruby之Rspec的报错解决
  2. python自定义函数添加到路径
  3. vue_prop单向数据流
  4. 源码分析参考:Connection
  5. 分布式计算solutions
  6. 面向对象程序设计 作业一
  7. 01-SQL基本语句
  8. 吴昊品游戏核心算法 Round 5 —— (转载)十四步实现拥有强大AI的五子棋游戏...
  9. SpreadJS 15.2.3 黄金十月美好版
  10. html入门:网页字体的设置
  11. OpenJudge NOI 2.1 1813:熄灯问题
  12. for循环,for循环嵌套
  13. [极客大挑战 2019]Http 1(修改HTTP请求包)
  14. Gateway/Zuul + OpenApi 集中管理 API 资源
  15. sklearn中predict()与predict_proba()返回值意义
  16. 现代信号处理——平稳随机信号通过线性系统
  17. 爬取听书网有声小说音频数据
  18. 前端HTML5视频_Less-张晓飞-专题视频课程
  19. 论OpenVZ与KVM的区别
  20. picgo 上传成功,无法显示图片

热门文章

  1. 机器学习习题(18)
  2. HTML5期末大作业:关于旅游网站设计----- 洪江市旅游网 HTML+CSS+JavaScript
  3. C#汽车美容管理服务系统源码 功能强大代码完整,开源分享!
  4. JavaScript大神用代码带你揭秘吉普赛古老神秘读心术
  5. 数说CS|国防科技大学计算机学院是怎样的存在?
  6. 【Java学习日志3.31】经典扫雷带界面完整版
  7. THE compile of serveral files
  8. 国产系统 统信UOS20 飞腾CPU  QT Creator4.11 源码编译
  9. MySQL闪回-binlog2sql
  10. 计算机硬件与组成原理基础