异构网络表示学习方法综述

摘要：

现实生活中存在的网络大多是包含多种类型节点和边的异构网络,比同构网络融合了更多信息且包含更丰富的语义信息.异构网络表示学习拥有强大的建模能力,可以有效解决异构网络的异质性,并将异构网络中丰富的结构和语义信息嵌入到低维节点表示中,以便于下游任务应用.通过对当前国内外异构网络表示学习方法进行归纳分析,综述了异构网络表示学习方法的研究现状,对比了各类别模型之间的特点,介绍了异构网络表示学习的相关应用,并对异构网络表示学习方法的发展趋势进行了总结与展望,提出今后可在以下方面进行深入探讨:1)避免预先定义元路径,应充分释放模型的自动学习能力;2)设计适用于动态和大规模网络的异构网络表示学习方法.

关键词：计算机神经网络、异构网络、表示学习、图神经网络、建模能力

所属期刊栏目：42

分类号：TP311.13(计算技术、计算机技术)

资助基金：中国留学基金委地方合作项目;中国教育部人工智能协同育人项目;河北科技大学校立课题

在线出版日期：2021-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：48-59