多层超图实现与测试

[922397935]

近期，我基于 DeepHypergraph 包扩展开发了多层超图（Multi-Layer Hypergraph）核心功能及配套可视化模块，希望能将该部分代码贡献给项目，填补当前包在多层超图建模与可视化方面的空白，为更多研究者提供支持。现将相关情况简要说明如下：
一、贡献内容概述
核心功能扩展：新增MultiLayerHypergraph类，继承自原包Hypergraph基类，保持接口兼容性。支持多层超图的构建、层添加 / 删除、跨层超边查询、层内 / 层间节点度计算等核心操作，数据结构设计符合超图理论通用定义。
可视化模块：配套开发plot_multilayer_hypergraph函数，支持：按层分区布局、节点 / 超边按层着色、自定义图大小与保存格式
兼容性与轻量化：
完全兼容原包的 Python 版本（如 3.8+）和依赖清单，无额外强依赖,dhg0.9.4
复用原包已有方法（如超边存储、节点管理），仅扩展多层相关逻辑，无冗余代码
4. 配套支持：
补充单元测试（基于 pytest），覆盖核心方法的边界情况（如空层、单一层、跨层超边）；
新增详细文档（含 docstring 和使用示例），格式与原包保持一致（如 Google/NumPy 风格）
咨询与后续配合
我希望将该模块正式贡献至 DEEPHypergraph 包，现向您咨询：
该功能是否符合项目的发展规划？是否需要针对代码结构、功能设计进行调整？
若可提交贡献，后续需遵循哪些流程（如分支命名规范、PR 提交要求、代码审查重点）？目前我在github上创建拉取没有成功
感谢您在百忙中关注我的贡献申请，也衷心感谢贵团队为开源社区做出的卓越贡献！
此致
敬礼！
文章发表在Scientific Report上，标题为：Hyperbolic multi-channel hypergraph convolutional neural network based on multilayer hypergraph。DOI链接：https://doi.org/10.1038/s41598-025-08594-y