Steinar Laenen
大白话：机器学习研究者（任职 Oxford Research Group / FiveAI，此前在爱丁堡大学读硕士），专长是有向图谱聚类；本 wiki 收录他是第一作者的 NeurIPS 2020 论文《Higher-Order Spectral Clustering on Directed Graphs》——第一篇在一般设定（不假设图来自随机块模型）下为有向图谱聚类给出 Cheeger 式理论保证的工作，工具是带 k 次单位根相位编码的 Hermitian Laplacian。
机构：Oxford Research Group, FiveAI；此前为 University of Edinburgh 硕士生（entities/Laenen Sun 2020 Higher-Order Spectral Clustering 期间）。
邮箱：steinar.laenen@five.ai / steinar9@gmail.com
对本 wiki 的贡献
- entities/Laenen Sun 2020 Higher-Order Spectral Clustering（NeurIPS 2020）的第一作者——第一篇在一般（非 DSBM）设定下为有向图谱聚类给出 Cheeger 式理论保证的论文，所用工具是带 k 次单位根相位编码的 Hermitian Laplacian L_G = I - D^{-1/2} A D^{-1/2}。
Hermitian Laplacian 框架在金融引线-滞后应用中被当作 entities/Mihai Cucuringu 的 Hermitian adjacency 的一种替代方案（entities/Bennett Cucuringu Reinert 2022 Lead-Lag Network Clustering §3.3 引用了这一替代关系）。
研究主题
- 带理论保证的有向图聚类
- 用于近线性时间图算法的谱稀疏化
- 高阶网络结构（簇内的有序链式拓扑）