#今日论文推荐# 单纯复形重构：如何从数据中发现复杂网络潜在高阶关系？

#今日论文推荐# 单纯复形重构：如何从数据中发现复杂网络潜在高阶关系？

网络在现实世界中无处不在，但其具体拓扑结构以及控制网络属性和物理可观测性的内在动力系统通常是未知的。目前，一种可行的方法是从观测数据中找到网络拓扑和节点动力学方程，但这一领域之前的工作主要集中于仅有成对交互关系的传统网络上。然而，许多复杂系统不能只用成对的连接来表示。
例如，在社交网络中，多个朋友对某新商品的集体推荐通常比单个朋友的推荐更有说服力，从而使得个人产生更强烈的意愿去购买新产品；在谣言传播过程中，如果一条虚假消息同时被许多人分享或宣传，那么它很可能被个人相信；或者在描述科学家合作关系时，通过成对的连接只能描述哪两个作者有合作，却无法表示当一篇科学论文中出现多名作者时的情况。因此，二元网络无法捕捉到群体的影响，需要借助一种超越成对关系的高阶网络来描述群体动力学影响个体行为的复杂方式。
单纯复形是一种特殊的高阶网络，它是由一系列单纯形组成的集合，并且如果存在一个由m+1个节点组成的m-单纯形，那么这些节点的任意节点子集也构成单纯形。比如在科学家合作网中，如果三个作者组成了一个2-单纯形，表明这三个作者有合作关系，那么任意两个作者也具有合作关系，则两两作者之间也会组成1-单纯形。
可以看到，相比于传统网络，高阶网络可以更充分、更精确地描述真实系统。基于此，如何从观测数据中推断出这种特殊的高阶网络结构-单纯复形，就显现出了尤为重要的意义与价值，这将是一个既具有挑战性又具有重要意义的科学问题。

论文题目：Full reconstruction of simplicial complexes from binary contagion and Ising data
详细解读：https://www.aminer.cn/research_report/62a94ae47cb68b460fd2ecc1?download=falsehttps://www.aminer.cn/research_report/62a94ae47cb68b460fd2ecc1?download=false
AMiner链接：https://www.aminer.cn/?f=cs