属性网络表示学习研究综述_中国煤炭行业知识服务平台

属性网络表示学习研究综述

作者

刘欣赵中英李智恒李超
单位

山东科技大学计算机科学与工程学院
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
基金项目(Foundation)

国家自然科学基金项目(62072288,61702306)；
文章目录

1 相关定义
2 静态属性网络表示学习
2.1 同构属性网络表示学习
1) 基于矩阵分解的方法
2) 基于神经网络的方法
3) 基于自编码器的方法
4) 基于随机游走的方法
5) 其他方法
2.2 异构属性网络表示学习
1) 基于矩阵分解的方法
2) 基于神经网络的方法
3) 基于自编码器的方法
4) 其他方法
3 动态属性网络表示学习
4 总结与展望
引用格式

刘欣,赵中英,李智恒,李超.属性网络表示学习研究综述[J].山东科技大学学报(自然科学版),2022,41(05):91-101.DOI:10.16452/j.cnki.sdkjzk.2022.05.011.
相关文章

[1]网络表示学习方法研究综述