增长网络中的信息局部化

本文介绍了增长网络模型中信息局部化的概念，表明关于模型参数的信息通常包含在小的子图中。这对推断具有重要意义，允许使用具有有限感受野的图神经网络（GNN）来近似模型参数的后验分布。这项工作为分析局部子图和使用GNN进行无似然推断提供了理论依据，这对于似然不可处理的复杂网络模型至关重要。本文的发现很重要，因为它们提供了一种计算效率高的方法来对增长网络模型进行推断，这些模型用于模拟各种现实世界的现象。