技术摘要：偏好依附作为超图中的单纯形增强机制

问题陈述

现实世界的系统通常涉及多体相互作用，这些相互作用无法通过二元边进行忠实还原，因此需要使用超图。虽然经验观察表明，现实世界的超图具有高度的“单纯性”（即超边的子集也倾向于作为超边出现，从而形成单纯复形），但导致这种结构的生成机制仍不明确。现有的超图偏好依附模型尚未对其与单纯结构之间的关系进行严格分析。此外，虽然 Barabási-Albert 模型通过偏好依附解释了图的标度无关度分布，但仍缺乏一个能够解释任意超边规模和节点到达率，并将其与单纯性联系起来的广义超图框架。

研究方法

1. 广义偏好依附模型

作者引入了一个广义偏好依附超图模型，该模型在每个时间步 $t$ 由两个随机变量定义：

• $Y_t$：新超边的规模，从正整数的任意分布中抽取。
• $X_t$：添加到超边中的“新”节点数量，从 $\{0, 1, \dots, Y_t\}$ 的任意分布中抽取。
• 剩余的 $Y_t - X_t$ 个成员是从现有节点中选取的，其概率与当前的超度（hyperdegree）成正比（线性偏好依附）。

该公式通过允许 $X_t$ 和 $Y_t$ 的任意分布，推广了之前的模型（例如无环模型和仅包含一个预存在节点的模型）。

2. 解析推导（平均场 AME）

利用热力学极限（$t \to \infty$）下的平均场近似主方程（AME）方法，作者推导了平稳超度分布。他们定义了极限比例 $p = \lim_{t \to \infty} E[X_t] / E[Y_t]$。推导过程包括：

• 编写一个关于节点具有特定超度的概率的 AME。
• 用条件期望替换随机变量。
• 施加平稳性条件并应用大数定律。
• 通过归纳法求解所得递归式，从而用 Gamma 函数表示分布。

3. 非线性扩展 (NLPA)

为了研究偏好依附的强度，作者将模型扩展为一个非线性变体，其中依附概率与 $d(u)^\alpha$ 成正比。此处，$\alpha=1$ 代表标准线性依附，$\alpha < 1$ 为次线性依附，$\alpha > 1$ 为超线性依附（会导致凝胶化转变/gelation transition）。

4. 经验拟合与零模型

• 后退步进程序（Backward-Stepping Procedure）： 作者提出了一种直接从带时间戳的超图数据集估计 $X_t$ 和 $Y_t$，而无需参数假设的方法。通过迭代移除最近的一个超边并统计变为孤立节点的数量（表明它们是首次出现），从而重建序列 $\{(X_t, Y_t)\}$。
• 单纯分量（$\sigma_{SF}$）： 通过计算超图与其诱导单纯复形之间的相似性来量化，即“向下封闭”（所有非空真子集也是超边）的超边所占的比例。
• 零模型： 为了隔离依附机制的影响，作者将模型输出与四种随机化零模型（随机洗牌、比例洗牌、超度保持洗牌和层保持洗牌）进行对比，涵盖了来自 XGI-DATA 仓库的八个现实世界数据集。

核心贡献

1. 幂律指数的普适性： 作者证明了平稳超度分布遵循幂律 $P(d_H) \sim d_H^{-\gamma}$，其中指数 $\gamma = \frac{1}{1-p} + 1$ 仅取决于比例 $p = E[X_t]/E[Y_t]$。至关重要的是，只要 $X_t$ 和 $Y_t$ 的均值为有限且严格大于零，该指数就与 $X_t$ 和 $Y_t$ 分布的具体形状无关。
2. 无参数估计： 后退步进程序允许直接从任何带时间戳的超图中估计模型参数（$X_t, Y_t$），这使得理论模型能够基于经验统计建立，而无需依赖分布假设。
3. 单纯性增强机制： 通过非线性扩展（NLPA），本研究证明了偏好依附是一种强制实现单纯性的机制。单纯分量随依附指数 $\alpha$ 的增加而在 $\alpha = 1$ 的凝胶化转变前单调增加。

结果

• 小 $p$ 机制： 对八个不同类型数据集（协作、通信、邻近和标签网络）的分析表明，所有数据集都处于“小 $p$”机制（$\hat{p} \approx 0.0005$ 至 $0.015$）中。这是因为大多数超边连接的是预先存在的参与者（$X_t \approx 0$）。因此，预测的幂律指数$\gamma \approx 2$，且由于有限尺寸效应，向热力学极限的收敛速度较慢。
• 单纯性动力学：
  • 对于 $\alpha \leq 1$，增加偏好依附的强度会单调增加单纯分量。
  • 对于 $\alpha > 1$（超线性），发生凝胶化转变。单个中心节点（hub）会累积不成比例数量的超边，从而创建出其子超边缺失的大型超边，破坏了向下封闭性并降低了单纯性。
• 单纯性的驱动因素： 数据集根据单纯性的来源分为两类：
  • 依附驱动型： 在稀疏、开放成员制的系统中（如电子邮件、立法共同提案），仅靠结构统计量（度/规模分布）无法解释观察到的单纯性。依附机制是主要的驱动力，经验值可以在特定的 $\alpha$ 值处匹配（例如，Email-Enron 的 $\alpha \approx 0.4$）。
  • 分布驱动型： 在稠密、封闭人群的邻近网络（如医院接触）中，超边规模和度分布解释了大部分单纯性。偏好依附起到了次要的、强化性的作用。

意义与主张

本文声称确立了偏好依附作为一种结构连贯的单纯性增强机制。其核心解析贡献是关于普适性的结论：度分布的指数仅由新节点与超边规模的比值决定，而与分布细节无关。

作者强调，偏好依附与单纯性之间的关系在超越凝胶化阈值后是非单调的：虽然线性及次线性依附增强了单纯性，但超线性依附会破坏单纯性。这表明，观察到的现实世界数据中的“单纯性”可能源于不同的起源（依附驱动 vs 分布驱动）。

这项工作提供了一个理解高阶系统中度异质性的框架，并提供了一种评估拓扑工具（如 Betti 数）是否适用于给定超图的方法——即首先评估其单纯程度及其生成的起源。作者对于在小 $p$ 机制下对经验数据集进行幂律指数直接验证的难度保持了审慎态度，指出直接验证是通过受控模拟完成的，在模拟中可以独立控制系统规模和 $p$ 值。