From binary to general attributes: attributed hypergraph generation with realistic interplay between structure and attributes

doi:10.1007/s10115-026-02850-x

2026-08-21

DOI：10.1007/s10115-026-02850-x

原文链接

原文求助

摘要

En 中文

在许多现实场景中，交互以群组方式在多个实体间发生，因此超图是准确表示此类交互的合适工具。现实世界超图中的超边并非由随机选取的节点构成，而是通过结构化过程形成。因此，已提出多种超图生成模型以探索超边形成的基本机制。然而，大多数现有超图生成模型未考虑节点属性，而节点属性在超边形成中可发挥重要作用。结果，这些模型未能反映结构与节点属性间的相互作用。为解决上述问题，我们提出了NoAH，一种用于带属性超图的随机超图生成模型。NoAH利用核心-边缘节点层次结构将超边形成建模为一系列节点附着过程，并基于节点属性确定附着概率。我们进一步引入NoAHFit，一种参数学习流程，用于将NoAH拟合至给定现实世界超图，使生成的超图再现结构与属性相关的模式。通过在四个不同领域九个数据集上的实验，我们发现NoAH与NoAHFit在六种结构-属性相互作用指标评估下，在九种被评估的超图生成模型中取得了最佳综合平均排名。此外，我们讨论了适用于不同类型节点属性（包括二元、分类和连续属性）的NoAH变体。对于无预先存在节点属性的情况，我们扩展了NoAH和NoAHFit，以联合学习NoAH参数与潜在节点属性，并使用所学属性进行生成。

Keyword:

Hypergraph

Generator

Node attribute

Attributed hypergraph