本研究提出了一种双线性序列回归（BSR）模型，旨在改善高维标记长序列建模的不足。该模型简化了学习过程，并引入消息传递算法以优化性能，发现梯度下降算法在BSR模型中具有意想不到的特性。

本文研究了稀疏极限下估计被高斯噪声污染的排名为一的矩阵的统计和计算限制，证明了渐近互信息的显式低维变分公式，并分析了稀疏状态下的近似消息传递算法。在伯努利和伯努利-拉德马赫分布向量中，当稀疏度和信号强度满足适当比例关系时，发现渐近最小和算法均方误差的全有或全无相变。

该文介绍了一种基于图神经网络的解决方案，通过新颖的编码方法和改进的消息传递算法来更好地捕捉真实网络场景的复杂性。该方案能够学习并推广到未见过的抓取网络场景。