更改

下面我们介绍基于高阶依赖项建模的节点归并方法。

下面我们介绍基于高阶依赖项建模的节点归并方法。

通过网络粗粒化方法可以对节点进行分组，为了构建粗粒化后的宏观网络，需要将微观节点合并成宏观节点，同时需要计算宏观网络之间的连边，以及对应的转移概率。在上述三种方法中，前两种都使用了一种叫做高阶依赖项建模([[HOMs]])的方法来进行归并<ref name="HOMs"></ref>，其目的是为了保证分组后的宏观网络和原始网络具有相似的[[随机游走动力学]]。

通过网络粗粒化方法可以对节点进行分组，为了构建粗粒化后的宏观网络，需要将微观节点合并成宏观节点，同时需要计算宏观网络之间的连边，以及对应的转移概率。在上述三种方法中，前两种都使用了一种叫做高阶依赖项建模([[HOMs]])的方法来进行归并<ref name="HOMs">Xu, J., Wickramarathne, T. L., & Chawla, N. V. Representing higher-order dependencies in networks[J]. Science advances, 2016, 2(5), e1600028.</ref>，其目的是为了保证分组后的宏观网络和原始网络具有相似的[[随机游走动力学]]。

具体来说，不同类型的微观节点合并成宏观节点时边权有不同的处理方式：

具体来说，不同类型的微观节点合并成宏观节点时边权有不同的处理方式：