具有简单复数的高阶数据的高效表示学习

杨若晨、弗雷德里克·萨拉、保罗·博格丹
第一届图形学习会议记录，PMLR 198:13:1-13:212022年。

摘要

在令人印象深刻的最新发展和广泛应用的推动下，基于图形的机器学习正在经历爆炸式的增长。图表示学习的典型方法主要侧重于成对交互，而忽略了复杂系统常见的高阶交互模式。本文以简单复合体为中心，探讨了多体相互作用模型。从理论角度来看，我们提供了两个见解，说明为什么高阶模型是必要的，为什么非图形模型通常不能很好地泛化，而图形模型可能能够做到这一点。我们对合成数据、共引网络、，合著网络和基因-疾病协会的研究表明，与非图结构、正则图、超图和传统的基于简单复合物的学习框架相比，具有一定松弛度的简单复合物可以更有效地捕获潜在的高阶结构。

引用本文

BibTeX公司
@会议记录{pmlr-v198-yang22a，title={具有简单复数的高阶数据的高效表示学习}，作者={Yang，Ruochen and Sala，Frederic and Bogdan，Paul}，booktitle={首次图形学习会议记录}，页数={13:1--13:21}，年份={2022}，editor={Rieck，Bastian和Pascanu，Razvan}，体积={198}，series={机器学习研究论文集}，月={09年12月12日}，publisher={PMLR}，pdf={https://proceedings.mlr.press/v198/yang22a/yang22a.pdf},url={https://proceedings.mlr.press/v198/yang22a.html},抽象={基于图的机器学习正在经历爆炸式的发展，这是由令人印象深刻的最新发展和广泛的适用性所推动的。典型的图表示学习方法主要集中在成对交互，而忽略了复杂系统常见的高阶交互模式。本文探讨了多体交互动作模型，以简单复合体为中心。从理论的角度来看，我们提供了两个见解，说明为什么高阶模型是必要的，为什么非基于图的模型通常不能很好地泛化，而基于图的模型可能能够做到这一点，合著者网络和基因-疾病协会的研究表明，与非图结构、正则图、超图和传统的基于单纯形复合物的学习框架相比，具有一定松弛度的单纯形复合体可以更有效地捕获潜在的高阶结构。}}
尾注
%0会议论文%单复数高阶数据的T有效表示学习%杨若晨%弗雷德里克·萨拉%保罗·博格丹%第一届图形学习会议论文集%C机器学习研究进展%D 2022年%E巴斯蒂安·里克%E Razvan Pascanu公司%F pmlr-v198-yang22a公司%I项目经理%第13:1--13:21页%U型https://proceedings.mlr.press/v198/yang22a.html%第198页%在令人印象深刻的最新发展和广泛适用性的推动下，基于X图形的机器学习正在经历爆炸性的增长。图表示学习的典型方法主要侧重于成对交互，而忽略了复杂系统常见的高阶交互模式。本文以单纯复合体为中心，探讨了许多身体相互作用模型。从理论角度来看，我们提供了两个见解，说明为什么高阶模型是必要的，为什么非图形模型通常不能很好地泛化，而图形模型可能能够做到这一点。我们对合成数据、共引网络、，合著网络和基因-疾病协会的研究表明，与非图结构、正则图、超图和传统的基于简单复合物的学习框架相比，具有一定松弛度的简单复合物可以更有效地捕获潜在的高阶结构。
亚太地区
Yang，R.、Sala，F.和Bogdan，P.（2022）。简单复杂高阶数据的高效表示学习。第一届图形学习会议记录，英寸机器学习研究进展198:13:1-13:21网址：https://proceedings.mlr.press/v198/yang22a.html。

相关材料