摘要公开研究档案
这项 NeurIPS 2025 研究将 Cannistraci–Hebb 规则组织为自适应网络自动机，在覆盖 1,283 个真实网络的 ATLAS 基准上进行基于路径的连接预测。
研究问题
研究问题
面对不同规模、领域与时间演化的复杂网络，连接预测能否根据网络状态自适应选择规则与路径长度？
核心创新
核心创新
CHA 将 CH rule 与 L2/L3 path length 选择放进同一个自适应网络自动机，使模型可以随网络状态选择更合适的局部结构假设。
关键结果
关键结果
1,283真实网络
≈0.79时间网络组胜率
CHA 在 1,283 个真实网络上根据网络状态选择规则与路径长度，时间网络组的 win rate 达到 0.79。
胜率
稀疏 / CHT参考值
10.750.50.250
图表由后台结构化论文结果生成；每个指标使用独立坐标轴，并保留论文报告的比较方向。
为什么重要
为什么重要
它把局部拓扑启发式从固定分数提升为可适应的网络推理过程，为复杂网络上的结构化预测提供了可复用框架。
出版信息