超图比普通图更适合表达一组节点共同参与的关系，但也因此带来了更复杂的对齐问题。论文提出FALCON，一种基于最优传输的无监督超图对齐框架，目标是在没有节点特征、标签、种子匹配或其他侧信息的条件下，仅凭结构推断两个超图之间的节点对应关系。论文材料显示，在由真实世界超图构造的扰动基准上，FALCON对结构噪声具有较强鲁棒性，并在几乎所有测试情形中优于所比较的图方法和超图方法。
为什么普通降维方式不够
直接处理超图的高阶关系，可以较完整地保留超边之间的结构信息，但计算成本较高，而且面对大小不一的超边时实现也更复杂。将超图转换为普通图，是一种更容易使用的替代方案，但会产生不同的损失。
其中，团扩展会把同一超边中的节点两两连接，使问题仍然落在原始节点集合上；问题在于，所有超边证据会被压缩进一张成对关系图中。二部扩展则同时保留节点与超边的关联结构，却把对齐对象扩大为“节点加超边”，引入了额外的超边节点。论文的切入点，就是在这两种取舍之间寻找更合适的表示方式。
FALCON如何工作
FALCON的核心不是为每个超图生成一张单独的团扩展图，而是构造一组由过滤过程诱导的、基于团共现关系的不相似度矩阵。不同层级对应不同尺度的结构信息，模型再通过一个共享的多尺度Gromov-Wasserstein目标，对所有层级进行联合对齐。
共享的运输计划是关键约束。它要求不同过滤层级使用同一套全局一致的节点对应关系，而不是让每个尺度分别给出可能互相冲突的匹配结果。与此同时，方法避免了二部扩展中的辅助超边节点，因此对齐任务仍围绕原始节点展开。换句话说，FALCON试图通过多尺度结构联合建模，减少单一图表示带来的信息折叠，同时控制问题规模。
我的判断
这项工作的价值主要在于方法设计上的折中：它没有直接承担完整高阶建模的全部代价，也没有把超图简单压缩成单一的成对图，而是用过滤序列保留多个结构尺度，再用共享目标约束对应关系的一致性。对于缺少节点语义信息、只能依赖拓扑结构的超图匹配任务，这一思路具有明确适用性。
但现有材料不足以判断它在不同超图规模、不同噪声类型或计算开销上的具体表现。论文实验基于真实世界超图的扰动基准，结果说明方法在该设置下表现稳健，并不等于它对所有实际超图都同样有效。FALCON的优势也依赖过滤过程、结构表示和最优传输目标之间的配合，部署到具体任务时仍需评估数据规模与扰动形式是否匹配。