ग्राफ एम्बेडिंग के माध्यम से मल्टीप्लेक्स नेटवर्क का पुनर्निर्माण

मल्टीप्लेक्स नेटवर्क उन नेटवर्कों का संग्रह हैं जिनमें समान नोड होते हैं लेकिन किनारों की अलग-अलग परतें होती हैं। ये वास्तविक प्रणालियों की एक विस्तृत विविधता का वास्तविक प्रतिनिधित्व होते हैं, जिनके तत्व कई तरीकों या फ्लेवर में बातचीत करते हैं। हालांकि, वास्तविक दुनिया में मल्टीप्लेक्स नेटवर्क का अवलोकन हमेशा सरल नहीं होता; अक्सर, नेटवर्क की परत संरचना के बारे में केवल आंशिक जानकारी उपलब्ध होती है, जबकि शेष जानकारी संचित, एकल-परत नेटवर्क के रूप में होती है। हाल के कार्यों ने नेटवर्क विज्ञान के लिए उचित उपकरणों का उपयोग करके एकल-परत नेटवर्क की छिपी मल्टीप्लेक्सिटी को पुनर्निर्माण करने की समस्या का समाधान प्रस्तुत किया है। यहां, हम एक मशीन-लर्निंग ढांचे को विकसित करते हैं जो ग्राफ एम्बेडिंग का लाभ उठाता है, अर्थात्, ज्यामितीय स्थान में नेटवर्क का प्रतिनिधित्व। हम इस ढांचे को सिंथेटिक और वास्तविक दुनिया के मल्टीप्लेक्स नेटवर्क के पुनर्निर्माण के लिए लक्षित व्यवस्थित प्रयोगों में मान्य करते हैं, और प्रमाण प्रदान करते हैं कि हमारा प्रस्तावित ढांचा न केवल अपने लक्षित कार्य को पूरा करता है, बल्कि अक्सर मौजूदा पुनर्निर्माण तकनीकों से बेहतर प्रदर्शन करता है।