文献阅读与梳理模型分析脑图思维导图
文献阅读的模型构建，重构等知识点总结
树图思维导图提供 文献阅读与梳理模型分析脑图 在线思维导图免费制作，点击“编辑”按钮，可对 文献阅读与梳理模型分析脑图 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：82c3c50fcbf1712664aa6325c465dc08
思维导图大纲
文献阅读思维导图模板大纲
模型构建
文献 1 Growing scale-free simplices
摘要：提出了一种二阶单纯形生长模型，构造具有无标度性质的度分布和广义度分布网络，并进行了理论分析和仿真实验。
生成算法：
创新点：给出一种偏好连接和偏好连接的混合模型，可以有效地生成任意一种符合任意幂律的网络，通过增加了一个系数A,B来调节。
文献 2 Random hypergraphs and their applications
摘要：论文提出了一种随机三部超图模型，通过对比随机网络与实证网络，发现实证网络中用户的多标签属性导致网络统计特性的不同
随机三部超图模型：每步随机选择每种类型的节点各一个，生成一条超编，直到网络中包含m条超边。
投影网络：将三部图投影到资源节点上，真实网络存在大量短环
文献 3 Representing higher-order dependencies in networks
摘要：传统的网络表示方法通常假设网络中的节点之间只存在一阶依赖关系，忽略了移动可能依赖于之前的多个步骤，本文提出了一个提出了高阶网络（HON）表示方法，可以发现和嵌入网络表示中的不同阶数的依赖关系。
模型：
Rule extraction
输入：轨迹数据
输出：高阶依赖规则集
方法：
1. 计算不同阶数的pattern出现 的次数；
2. 计算不同阶数下，每个节点 的概率分布；
3. 设计指标，比较不同阶数节点的概率分布，筛选高阶依赖关系
Network wiring
输入：高阶依赖规则集
输出：高阶网络
模型重构
文献 4 Full reconstruction of simplicial complexes from binary contagion and Ising data
摘要：开发了一个重建框架，用于从时间序列数据中找到具有高阶相互作用的网络拓扑结构，进一步阐述了一种两步方案，以提高重建精度，同时显著降低计算负载
主要框架
1、基于可用数据矩阵S建立似然函数
2、根据期望最大化（EM）方法的思想，通过最大化似然函数来获得二体和三体相互作用的连接概率;
3、执行改进的两步重构策略
执行改进的两步重构策略
子主题 2
单纯复形零模型的重构
simplex数量不变
优点：步骤简单明晰，实现高效
缺点：只能对网络的高阶结构进行平均调节，可控性不强
一阶广义度分布不变
facet分布，fatsize分布不变
高阶网络的拓扑指标
文献 5 Ranking cliques in higher-order complex network
摘要：对高阶网络中的关键节点进行排序和选择
高阶度（HOD）
高阶H指数（HOH）
高阶PageRank（HOP）
高阶圈比High-order cycle ratio（HOC）
文献 6 Higher-order clustering in networks
摘要：引入了高阶聚类系数，测量高阶网络集团的闭合概率，并提供了复杂网络边缘如何聚类的更全面的视图，推导出了高阶聚类系数的几个性质，并在随机图模型下进行了分析
高阶网络上的
文献 7 Higher-order organization of complex networks
摘要: 发明了一个通用的框架，用于聚类网络的高阶连接模式 扩展了谱图聚类方法，该方法基于与图相关的矩阵的特征值和特征向量，以解释网络中的高阶结构
框架：识别网络基序的框架，对于每个网络基序，可能会揭示出不同的高阶聚类
扩展的谱图聚类方法：
算法描述：
文献 8 Local Higher-Order Graph Clustering
摘要：通过探索图的小区域来找到节点的聚类，围绕给定的种子节点进行有针对性的聚类，提出了一个新的局部图聚类方法（MAPPR）
个性化PageRank（PPR）
算法描述：
基于基序的个性化PageRank
算法描述：
沪公网安备 31011502019485号
上海工商