分析网络的网络 | 网络科学论文速递22篇
分析网络的网络；
对抗性有向图嵌入；
基于合成代理的语言导航模型；
进化深度学习中的光与影: 分类学，批判性方法分析，研究案例，经验教训，建议和挑战；
分布式约束共识的潜在博弈；
基于二元动作主体强化学习的深度Q网络； 用哈密顿神经网络掌握高维动力学；
广义 Burridge-Knopoff 模型的控制不稳定性和诱发慢滑动；
双侧嗅觉搜索与导航的动力学研究；
受限细胞迁移中细胞-细胞相互作用的动力学研究；
LIGO 级数、嵌入维数与 Kolmogorov 复杂度；
普适演员的故事情节可视化；
论流行病学监测与防范的差距；
具有任意实度或理论度分布的随机增长模型；
有向网络中社区检测的谱算法；
社会网络中的多元关系聚合学习；
科学预测方法及其在科学研究中的应用；
随机漫步理论: 算法与应用综述；
MODEL: 基于模体的链接预测深度特征学习；
古典量化金融的反抛物线世界: 非均衡与非微扰金融学视角；
基于混合扩散模型的虚假新闻消除网络推断；
二部图中具有顶点约束和联结强度的内聚子图的研究；
分析网络的网络
原文标题：
Analysing Networks of Networks
地址：
http://arxiv.org/abs/2008.03692
作者：
Johan Koskinen,Pete Jones,Darkhan Medeuov,Artem Antonyuk,Kseniia Puzyreva,Nikita Basov
摘要：当一个网络本身通过某种形式的网络连接时，我们考虑一个网络上具有多个观测或报告的数据。我们可以举一个认知社会结构的例子，在这种结构中，提供报告的行为者之间存在另一种类型的联系; 或者研究人际间的溢出效应，从一个文化领域到另一个由社会联系促成的领域。另一个例子是，个体的语义结构被表示为一组行为者的语义网络，并通过这些行为者的社会关系连接起来，从而构成一个社会群体的知识。如何联合表示这两种类型的网络并不是一件容易的事情，因为报告网络的各层和各层的节点是通过报告上的网络进行耦合的。我们提出用线图来转换不同的多个网络，其中参与者与表示为节点的关系相关联，并将不同类型的关系的总和表示为一个多级网络。这样可以研究社交网络与报告之间的关系，以及报告与标准图的对齐。我们举例说明如何将该程序应用于研究当地洪水管理群体中知识的社会结构。这里我们使用多级指数随机图模型，但是这种表示也适用于面向随机行为者的模型、多级块模型以及任何能够处理多级网络的模型。
对抗性有向图嵌入
原文标题：
Adversarial Directed Graph Embedding
地址：
http://arxiv.org/abs/2008.03667
作者：
Shijie Zhu,Jianxin Li,Hao Peng,Senzhang Wang,Philip S. Yu,Lifang He
摘要：有向图的节点表示学习对于实现多种图挖掘任务至关重要。为了获取节点之间的有向边缘，现有的方法主要学习每个节点的两个嵌入向量，即源向量和目标向量。然而，这些方法分别学习源向量和目标向量。对于节点的独立度或离散度很低的情况，不能有效地学习相应的目标向量或源向量。本文提出了一种新的基于生成对抗网络的有向图嵌入框架 DGGAN。其主要思想是利用对抗机制部署一个鉴别器和两个生成器，共同学习每个节点的源向量和目标向量。对于给定的节点，训练两个生成器从相同的底层分布生成假目标节点和源邻居节点，判别器的目的是区分一个邻居节点是真是假。这两个生成器构成一个统一的框架，可以相互补充，以学习更健壮的源和目标矢量。大量的实验表明，DGGAN 在有向图的多个图挖掘任务中始终显著地优于现有的最先进的方法。
基于合成代理的语言导航模型
原文标题：
Navigating Language Models with Synthetic Agents
地址：
http://arxiv.org/abs/2008.04162
作者：
Philip Feldman
摘要：现代自然语言模型，例如 GPT-2/GPT-3，以一贯可疑的形式包含了大量关于人类信仰的信息。如果这些模型能够准确地反映出人类的潜在信念，那么这些模型就会成为一种强大的社会学工具，其方式有别于传统的方法，如访谈和调查。在这项研究中，我们在一个历史国际象棋博弈语料库上训练了一个版本的 GPT-2，然后比较了模型中词汇的学习关系与已知的棋盘地面真实性、移动合法性和历史游戏模式。我们发现，使用该模型的百分比逐步移动大体上类似于人类的模式。我们进一步发现，该模型创建了一个准确的棋盘潜在表示，并有可能绘制的轨迹法律移动全局使用这一知识。
进化深度学习中的光与影:
分类学，批判性方法分析，
研究案例，经验教训，建议和挑战
原文标题：
Lights and Shadows in Evolutionary Deep Learning: Taxonomy, Critical Methodological Analysis, Cases of Study, Learned Lessons, Recommendations and Challenges
地址：
http://arxiv.org/abs/2008.03620
作者：
Aritz D. Martinez,Javier Del Ser,Esther Villar-Rodriguez,Eneko Osaba,Javier Poyatos,Siham Tabik,Daniel Molina,Francisco Herrera
摘要：关于融合生物启发优化算法和深度学习模型的几个目的已经说了很多: 从发现网络拓扑和超参数配置与改善性能的给定任务，到模型的参数优化作为梯度求解器的替代。事实上，文献中有大量的建议，展示了在这些任务中应用各种各样的受自然启发的方法。在这项工作中，我们全面回顾并批判性地检查了迄今为止基于三个轴心所做的贡献，每个轴心都解决了这一研究领域中的一个基本问题: a)优化和分类(为什么?)，包括历史的观点，深度学习中优化问题的定义，以及与文献的深入分析相关的分类，b)批判性方法分析(如何?)，连同两个个案研究，让我们在分析文献后，讨论经验教训和良好做法的建议，以及 c)挑战和新的研究方向(可以做什么，为什么?).总之，三个轴心-优化和分类，批判性分析和挑战-概述了一个完整的愿景两种技术合并绘制了一个令人兴奋的未来融合研究领域。
分布式约束共识的潜在博弈
原文标题：
Potential Games for Distributed Constrained Consensus
地址：
http://arxiv.org/abs/2008.03577
作者：
Dimitris Ampeliotis,Kostas Berberidis
摘要：研究了网络中一个代理所知的有限个闭凸集的交集中的公共点的计算问题。该问题被称为分布凸可行性问题或分布式约束一致性问题，由于其可能应用的数量众多，因此构成了一个重要的研究目标。在这项工作中，这个问题是处理从博弈论的观点。特别地，我们将这个问题表述为一个存在势函数的非合作博弈，并证明了这个博弈的所有纳什均衡都对应于一致同意状态。在此基础上，提出了一种基于最佳对策的分散式演算法分析方法，解决了约束一致性问题。在此基础上，研究了求解凸可行性问题的另一种方法——投影梯度型算法，该算法寻求所考虑的势函数的最大值。给出了该格式收敛的一个条件，并给出了分散式演算法。最后，给出了一个源定位问题的仿真结果，验证了理论分析的正确性，并验证了算法的适用性和性能。
基于二元动作主体
强化学习的深度Q网
原文标题：
Deep Q-Network Based Multi-agent Reinforcement Learning with Binary Action Agents
地址：
http://arxiv.org/abs/2008.04109
作者：
Abdul Mueed Hafiz,Ghulam Mohiuddin Bhat
摘要：基于深度 q 网络(DQN)的多智能体系统(MAS)用于强化学习智能体(RL) ，在 agent 中使用各种方案进行学习和通信。然而，学习是具体的每个代理和通信可以令人满意的设计代理。随着更复杂的深度量子网络的出现，多智能体系统的整体复杂性增加，导致了诸如训练困难、需要更多的资源和更多的训练时间、微调困难等问题。为了解决这些问题，我们提出了一个简单而有效的基于 DQN 的 MAS 来实现 RL，它使用共享的状态和奖励，但是特定于 agent 的操作，来升级 DQN 的经验回放池，其中每个 agent 是一个 DQN。与传统的基于 DQN 的方法相比，该方法的优点是整体简单、收敛速度快和性能更好。应该注意的是，该方法可以扩展到任何 DQN。因此，我们分别对 Cartpole-v1(OpenAI Gym environment)、 LunarLander-v2(OpenAI Gym environment)和迷宫遍历(Maze Traversal)三个独立的任务分别使用简单的 DQN 和 DDQN (Double q learning)。所提出的方法在这些任务上的性能分别优于基准。
用哈密顿神经网络掌握高维动力学
原文标题：
Mastering high-dimensional dynamics with Hamiltonian neural networks
地址：
http://arxiv.org/abs/2008.04214
作者：
Scott T. Miller,John F. Lindner,Anshul Choudhary,Sudeshna Sinha,William L. Ditto
摘要：我们详细说明了如何将物理学融入神经网络设计，可以显着改善学习和预测的动态系统，甚至多维非线性系统。构建地图的观点阐明了哈密顿神经网络相对于传统神经网络的优越性。结果阐明了数据、维数和神经网络学习性能之间的关键关系。
广义 Burridge-Knopoff 模型的
控制不稳定性和诱发慢滑动
原文标题：
Control instabilities and incite slow-slip in generalized Burridge-Knopoff models
地址：
http://arxiv.org/abs/2008.03755
作者：
Ioannis Stefanou
摘要：广义 Burridge-Knopoff (GBK)模型具有丰富的动力学性质、拥有属性不稳定性和多重分岔。GBK 模型包括互相连接的质量，可以在粗糙的表面下滑动的摩擦。所有的质量都连接到一个板块上，板块缓慢地为系统提供能量。该系统显示长时间的静止，中断的快速，动态事件(雪崩)的能量松弛。在这些事件中，成群的块体突然滑动，模拟地震滑动和地震破裂。本文提出了防止 GBK 雪崩的理论，控制其动力学，引发缓滑。我们利用摩擦力对压力的依赖性，把它作为改变系统动力学的后门。我们利用数学控制理论，第一次成功地(a)稳定和限制了 GBK 模型中的混沌，(b)保证了缓慢的摩擦耗散，(c)调整了 GBK 系统，使其趋向于理想的低能量全局渐近平衡。我们的控制方法是鲁棒的，并不需要精确的知识，摩擦行为的系统。最后，已知 GBK 模型可以表示自组织临界(SOC)行为。因此，提出的方法显示了另一个 SOC 控制(SOCC)的例子。鉴于 GBK 模型的动力学与地震有很多相似之处，我们希望能够激发人为和/或自然地震活动性方面的地震减缓策略。从更广泛的角度来看，我们的控制方法可以通过实时控制复杂系统的时空行为来提高对复杂系统中级联故障的理解、访问隐藏特性和提高其可预测性。
双侧嗅觉搜索与导航的动力学研究
原文标题：
The Dynamics of Bilateral Olfactory Search and Navigation
地址：
http://arxiv.org/abs/2008.03358
作者：
Nour Riman,Jonathan D. Victor,Sebastian D. Boie,Bard Ermentrout
摘要：动物使用立体采样的气味浓度来定位来源和跟踪气味踪迹。我们分析了一个依赖于左右传感器同时比较气味浓度的双边模型的动力学。一般模型包括平面位置和航向的三个微分方程。当气味景观是一条无限的轨迹时，我们将其动力学简化为一个平面系统，其动力学只有两个固定点。使用一个可积近似值(对于短传感器)我们估计吸引盆。在径向对称的情况下，我们再次可以将动力学减少到一个平面系统，但行为是相当丰富的多重稳定性，孤立和极限环。在线性跟踪的情况下，当传感器短路时，也有一个潜在的可积系统。在由多个点和轨迹段组成的气味场景中，我们发现了周期性的和混沌的动力学，并且描述了具有间隙和转弯的轨迹的行为。
受限细胞迁移中
细胞-细胞相互作用的动力学研究
原文标题：
Learning the dynamics of cell-cell interactions in confined cell migration
地址：
http://arxiv.org/abs/2008.03978
作者：
David B. Brückner,Nicolas Arlt,Alexandra Fink,Pierre Ronceray,Joachim O. Rädler,Chase P. Broedersz
摘要：细胞在从伤口愈合到癌症转移等生理过程中的迁移动态，依赖于接触介导的细胞-细胞相互作用。这些相互作用在形成迁移细胞的随机轨迹方面起着关键作用。虽然数据驱动的物理形式的随机迁移动态的单细胞已经发展，这样的框架相互作用细胞的行为动态仍然难以捉摸。在这里，我们在最小的实验细胞碰撞器中监测随机细胞的轨迹: 一对细胞在哑铃形的微图案上进行重复的细胞碰撞。我们观察到不同的特征行为，包括细胞在碰撞时的反转、跟随和滑动。利用耦合细胞轨迹的大量实验数据，我们推导出一个相互作用的随机运动方程，该方程能够精确地预测所观察到的相互作用行为。我们的方法揭示了相互作用的非癌细胞 MCF10A 可以用排斥力和摩擦力相互作用来描述。相比之下，肿瘤细胞 MDA-MB-231表现出吸引和抗摩擦的相互作用，促进了这些细胞的主要相对滑动行为。基于这些实验推断的相互作用，我们展示了这个框架可以如何概括为不同细胞类型的不同细胞相互作用行为提供统一的理论描述。
LIGO 级数、嵌入维数
与 Kolmogorov 复杂度
原文标题：
LIGO series, dimension of embedding and Kolmogorov's complexity
地址：
http://arxiv.org/abs/2008.04241
作者：
Marcelo Kovalsky,Alejandro Hnilo
摘要：激光干涉引力波天文台记录的这个系列的解释是一个非常重要的问题。当然，这也不是没有争议的。本文对 GW150914事件中记录的序列应用了两种在非线性动力系统研究中广泛使用的方法，即埋入的 Takens 维数的计算和 Kolmogorov 复杂度的谱。观察到前者的增加和后者的下降，与声称的引力波的出现相一致。我们提出这些方法作为额外的工具，以帮助识别宇宙学兴趣的信号。
普适演员的故事情节可视化
原文标题：
Storyline Visualizations with Ubiquitous Actors
地址：
http://arxiv.org/abs/2008.04125
作者：
Emilio Di Giacomo,Walter Didimo,Giuseppe Liotta,Fabrizio Montecchiani,Alessandra Tappini
摘要：故事情节可视化描述了社会互动的时间动态，因为它们描述了行为者(个人或组织)的群体是如何随着时间变化的。故事情节可视化中的一个常见限制是，一个参与者不能同时属于两个不同的组。然而，在某些应用程序场景中，这种约束可能过于严格，因此我们通过允许参与者在任何时间点同时属于不同的组来泛化模型。我们称这种模式为“无所不在的演员故事情节”(SUA)。对于我们的模型来说，重要的是一个参与者被表示为一个树而不是一行。我们描述了在 SUA 模型中计算故事线可视化的算法流水线，并讨论了出版数据的案例研究。
论流行病学监测与防范的差距
原文标题：
On the Gap between Epidemiological Surveillance and Preparedness
地址：
http://arxiv.org/abs/2008.03845
作者：
Svetlana Yanushkevich,Vlad Shmerko
摘要：当代流行病学监测(ES)在很大程度上依赖于数据分析。这些分析对大流行病防范网络来说是至关重要的投入; 然而，这些投入并没有纳入适合决策者或准备工作专家的形式。为了弥补流行病学证据模型与专家群体决策之间的差距，需要建立一个基于计算智能工具的决策支持系统。我们认为，这样的决策支持系统应该是一个认知动态系统，使 CI 和人类专家能够共同工作。这种决策支持系统的核心必须基于机器推理技术，如概率推理，并且能够估计风险，可靠性和决策偏差。
具有任意实度或理论度分布的
随机增长模型
原文标题：
A Random Growth Model with any Real or Theoretical Degree Distribution
地址：
http://arxiv.org/abs/2008.03831
作者：
Frédéric Giroire,Stéphane Pérennes,Thibaud Trolliet
摘要：复杂网络的度分布通常被认为是幂律的。然而，它们中的大多数并非如此。因此，我们提出了一个新的模型，能够建立随机增长网络与(几乎)任何想要度分布。度分布既可以是理论上的，也可以是从现实网络中提取出来的。其主要思想是反演通常用来计算度分布的递推方程，以便为节点连接找到一个方便的附加函数——通常选择为线性的。我们计算了一些经典分布的附加函数，如幂律分布、破幂律分布、几何分布和泊松分布。我们也在一个无向的 Twitter 网络上使用这个模型，对于这个网络，学位分布有一个不寻常的形状。
有向网络中社区检测的谱算法
原文标题：
Spectral Algorithms for Community Detection in Directed Networks
地址：
https://arxiv.org/abs/2008.03820
作者：
Zhe Wang,Yingbin Liang,Pengsheng Ji
摘要：大型社会网络中的社区检测受到节点度异质性的影响。为了减少这种影响，引入了定向网络的 D-SCORE 算法，在聚类之前计算邻接矩阵的奇异向量的元素比率。统计学家的引用网络获得了有意义的结果，但是缺少对其性能的严格分析。首先，本文为有向度校正块模型(Directed-DCBM)算法及其变种建立了理论保证。其次，本文对原有的 D-SCORE 算法进行了重大改进，利用原网络的信息而不是奇异向量在社区核心之外附加节点。
社会网络中的多元关系聚合学习
原文标题：
Multivariate Relations Aggregation Learning in Social Networks
地址：
http://arxiv.org/abs/2008.03654
作者：
Jin Xu,Shuo Yu,Ke Sun,Jing Ren,Ivan Lee,Shirui Pan,Feng Xia
摘要：多元关系一般存在于各种类型的网络中，如生物网络、社会网络、交通网络和学术网络。由于三元闭包原理和群的形成趋势，社会网络中的多元关系复杂而丰富。因此，在社会网络的图学习任务中，多元关系信息的识别和利用显得尤为重要。现有的图学习方法基于邻域信息扩散机制，这种机制往往导致部分遗漏甚至缺少多元关系信息，最终影响任务的准确性和执行效率。针对这些挑战，本文提出了多元关系聚合学习(MORE)方法，能够有效地捕获网络环境中的多元关系信息。通过对节点属性特征和结构特征的综合，提高了算法的精度和收敛速度。我们在一个引文网络和五个社会网络上进行了实验。实验结果表明，MORE 模型在节点分类任务中具有比 GCN (图卷积网络)模型更高的分类精度，并能显著降低时间开销。
科学预测方法及其
在科学研究中的应用
原文标题：
Prediction Methods and Applications in the Science of Science: A Survey
地址：
http://arxiv.org/abs/2008.03640
作者：
Jie Hou,Hanxiao Pan,Teng Guo,Ivan Lee,Xiangjie Kong,Feng Xia
摘要：科学学已经成为一个受到研究界极大关注的热门话题。数据分析技术的发展和随手可得的学术数据使得对数据驱动的预测的探索成为可能，而数据驱动的预测在发现科学影响的趋势方面发挥着关键作用。本文分析了数据驱动预测在科学研究中的方法和应用，并讨论了它们的意义。首先，我们介绍了科学研究的背景，回顾了科学学的现状。其次，回顾了基于论文引文计数的数据驱动预测方法，并对该领域的研究问题进行了探讨。然后，我们讨论了学者影响的预测方法，并分析了在协作网络中促进学者合作的不同途径。本文还讨论了尚未解决的问题和存在的挑战，并提出了可能的研究方向。
随机漫步理论: 算法与应用综述
原文标题：
Random Walks: A Review of Algorithms and Applications
地址：
http://arxiv.org/abs/2008.03639
作者：
Feng Xia,Jiaying Liu,Hansong Nie,Yonghao Fu,Liangtian Wan,Xiangjie Kong
摘要：随机游动被称为一个随机过程，它描述了数学空间中包含一系列随机步骤的路径。它在数学和计算机科学等各个学科中越来越受欢迎。此外，在21量子力学，量子游动可以被看作是经典随机游动的量子模拟。经典随机游动和量子游动可以用来计算节点间的邻近度和提取网络的拓扑结构。各种随机游走相关模型可以应用于不同的领域，对于链接预测、推荐、计算机视觉、半监督学习和网络嵌入等下游任务具有重要意义。本文对经典随机游动和量子游动进行了全面的综述。首先回顾了经典随机游动和量子游动的相关知识，包括基本概念和一些典型算法。从时间复杂度的角度比较了基于量子游动和经典随机游动的算法。然后介绍了它们在计算机科学领域中的应用。最后，我们从效率、主存容量和现有算法的计算时间等方面讨论了有待解决的问题。这项研究旨在通过共同探索随机游动和量子游动来为这个不断发展的研究领域做出贡献。
MODEL:
基于模体的链接预测深度特征学习
原文标题：
MODEL: Motif-based Deep Feature Learning for Link Prediction
地址：
http://arxiv.org/abs/2008.03637
作者：
Lei Wang,Jing Ren,Bo Xu,Jianxin Li,Wei Luo,Feng Xia
摘要：链路预测在网络分析和应用中起着重要作用。近年来，链路预测方法已经从传统的基于相似度的算法发展到基于嵌入的算法。然而，大多数现有的方法都没有充分利用现实世界中的网络不同于随机网络这一事实。特别是，众所周知，现实世界的网络包含主题，自然的网络构建块反映了潜在的网络生成过程。本文提出了一种新的嵌入算法，该算法融合了网络模块，以获取网络中的高阶结构。为了评估链接预测的有效性，在三种类型的网络上进行了实验: 社会网络、生物网络和学术网络。实验结果表明，与传统的基于相似度的算法相比，本算法的性能提高了20% ，与基于嵌入的算法相比，本算法的性能提高了19%。
古典量化金融的反抛物线世界:
非均衡与非微扰金融学视角
原文标题：
The Inverted Parabola World of Classical Quantitative Finance: Non-Equilibrium and Non-Perturbative Finance Perspective
地址：
http://arxiv.org/abs/2008.03623
作者：
Igor Halperin
摘要：经典的量化金融模型，如几何布朗运动模型或其后来的扩展，如本地或 volatility model 模型，从物理学的角度来看是没有意义的，因为它们都相当于一个负质量振荡器与噪音。本文提出了一个基于物理学见解的替代公式。
基于混合扩散模型的
虚假新闻消除网络推断
原文标题：
Network Inference from a Mixture of Diffusion Models for Fake News Mitigation
地址：
http://arxiv.org/abs/2008.03450
作者：
Karishma Sharma,Xinran He,Sungyong Seo,Yan Liu
摘要：假新闻的传播目的在于欺骗人们、影响舆论、操纵社会结果，已经成为社会媒体上一个紧迫的问题。此外，社交媒体上的信息分享促进了病毒性信息级联的传播。在这项工作中，我们着重于理解和利用虚假和合法内容的传播动力学，以促进网络干预虚假新闻的缓解。我们分析真实世界的 Twitter 数据集，包括假新闻和真新闻瀑布，以了解扩散动态和用户行为的差异，与假和真实的内容。在此基础上，我们将扩散模型建模为社会网络图上具有参数 theta _ t，theta _ f 的独立级联模型(MIC)的混合模型，并从观测的、未标记的级联推导出扩散混合模型参数估计的非监督推理技术。利用推导出的扩散动力学，识别出对真假内容传播有影响的用户。被识别的有影响力的用户特征显示，被识别为假新闻的有影响力的用户与其在假新闻中的相对外貌呈正相关。被识别出来的有影响力的用户倾向于关注病毒性更强的信息串联的话题，而不是病毒性更小的话题; 被识别出来的假新闻有影响力的用户与真正的新闻有影响力的用户相比，直接关注者的数量相对较少。对节点和边缘的干预分析证明了推断的扩散动力学在支持网络干预以减轻影响方面的能力。
二部图中具有顶点约束和
联结强度的内聚子图的研究
原文标题：
Exploring Cohesive Subgraphs with Vertex Engagement and Tie Strength in Bipartite Graphs
地址：
http://arxiv.org/abs/2008.04054
作者：
Yizhang He,Kai Wang,Wenjie Zhang,Xuemin Lin,Ying Zhang
摘要：我们提出了一种新的内聚子图模型-强化(α,β)-核(称为(α,β)-核) ，它是第一个同时考虑二部图的联系强度和顶点啮合的模型。如果至少包含在蝴蝶(2个2-bicliques)中，边就是牢固的联系。(α,β)-核心要求上层或下层的每个顶点至少有或强关系，给定强度水平。为了以最佳方式检索(α,β)-core 的顶点，我们构造索引 i，，以存储所有(α,β)-core。提出了改进索引结构的有效优化技术。为了使我们的想法在大型图上实际应用，我们提出2d 索引 i、 i、 i 和 i，它们有选择地存储(α,β)-core 的顶点，用于某些和。2d 索引空间效率更高，所需的构造时间更少，每个索引都可以支持(α,β)-核查询。由于查询效率取决于输入参数和二维索引的选择，我们提出了一种基于学习的混合计算模式，通过训练前馈神经网络来预测二维索引的最优选择，使查询时间最小。大量的实验表明(1)(α,β)-核是一种捕获唯一的重要内聚子图的有效模型，(2)该技术显著提高了索引构造和查询处理的效率。
来源：集智斑图 编辑：王建萍
复杂系统前沿文献交流群
如果你经常关注复杂系统和跨学科研究进展，是网络论文速递栏目的长期读者，欢迎扫描集智小助手，向我们反馈你的需求。欢迎提出宝贵意见，我们一起来探索追踪前沿进展的更好方式。
参与论文速递用户调研后，我们将邀请你加入集智的科研文献交流群。
近期网络科学论文速递
复杂系统前沿文献交流群
如果你经常关注复杂系统和跨学科研究进展，是网络论文速递栏目的长期读者，欢迎扫描集智小助手，向我们反馈你的需求。欢迎提出宝贵意见，我们一起来探索追踪前沿进展的更好方式。
参与论文速递用户调研后，我们将邀请你加入集智的科研文献交流群。
近期网络科学论文速递
基于深度学习的气候数据时空预测新框架 | 网络科学论文速递21篇
复杂动态环境下的搜索策略: MH370案例 | 网络科学论文速递27篇
美国的新冠肺炎: 发展轨迹和二次爆发 | 网络科学论文速递15篇
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
◆ ◆ ◆
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！
👇点击“阅读原文”，了解更多最新arxiv论文
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！
👇点击“阅读原文”，了解更多最新arxiv论文