# 超图表示学习

该工作提出 BHyGNN+，一个面向异质超图表示学习的自监督框架：它把超图与其对偶超图（节点与超边角色互换）的增强视图用余弦相似度进行对比，从而在不需要真实标签、也不需要负样本的情况下学习表示，并在 11 个基准数据集（含异质与同质超图及一个合成异质数据集）上取得优于监督与自监督基线的节点分类准确率。

该工作提出 BHyGNN+，一个面向异质超图表示学习的自监督框架：它把超图与其对偶超图（节点与超边角色互换）的增强视图用余弦相似度进行对比，从而在不需要真实标签、也不需要负样本的情况下学习表示，并在 11 个基准数据集（含异质与同质超图及一个合成异质数据集）上取得优于监督与自监督基线的节点分类准确率。

该工作提出 VyPER 这一几何学习框架，把对撞机事件表示为具有物理启发式拓扑的超图，将“把测量到的喷注与带电轻子分配给母粒子”的超边监督分类与“预测未被测量的中微子运动学”的扩散模型结合，并通过联合损失函数在同一框架内同时优化两项重建任务，在多个质子-质子碰撞过程中与既有解析方法和机器学习重建方法进行比较，表明在多种标准模型物理过程中可实现准确的事件重建。

该工作提出 VyPER 这一几何学习框架，把对撞机事件表示为具有物理启发式拓扑的超图，将“把测量到的喷注与带电轻子分配给母粒子”的超边监督分类与“预测未被测量的中微子运动学”的扩散模型结合，并通过联合损失函数在同一框架内同时优化两项重建任务，在多个质子-质子碰撞过程中与既有解析方法和机器学习重建方法进行比较，表明在多种标准模型物理过程中可实现准确的事件重建。