属性网络表示学习研究综述

摘要：

属性网络表示学习旨在最大限度保留原始网络特征的同时,利用网络中丰富的结构与属性信息学习节点或边的向量表示,从而将拓扑空间的网络转化到欧式空间,这有利于后续网络分析任务的高效执行,因此受到国内外学者的广泛关注,成为近年来的研究热点.本研究对属性网络表示学习的代表性方法进行对比研究,首先按照网络的时序性、网络元素的多样性对已有工作进行分类,然后分别阐述了同构属性网络、异构属性网络、动态属性网络的表示学习方法,并对已有方法的核心技术、数据集、评测任务等进行对比研究,最后总结探讨未来可能的研究方向与挑战,旨在为属性网络表示学习的相关研究提供新的思路.

关键词：属性网络、表示学习、同构属性网络、异构属性网络、动态属性网络

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：91-101