动态网络表示学习研究进展

• 作者: 曹燕 潘善亮 董一鸿 邬少清 钱江波 陈华辉
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 网络表示学习 图嵌入 深度学习 图卷积网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 综述评论
• 页码范围: 2047-2059
• 页数: 13页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.10.024

摘要

网络表示学习旨在将网络信息表示为低维稠密的实数向量,解决链接预测、异常检测、推荐系统等任务.近年来,网络表示学习研究取得重大进展,但研究多基于静态网络,而真实世界构成的网络是动态变化的,对动态网络分析的需求日益增加.本文总结了当前动态网络表示学习的方法与研究进展,首先提出网络表示学习的动机,阐述动态网络以及表示学习的发展历史与理论基础;接着,系统概述了大量动态网络嵌入方法,包括基于矩阵分解的动态图嵌入、基于随机游走的动态图嵌入、基于深度学习的动态图嵌入和基于重构概率的动态图嵌入,并分析与比较,给出动态网络表示学习的应用场景;最后,总结未来网络表示学习的研究方向.只有考虑网络的动态性,才能真实反映现实网络的演化,使网络表示学习更具价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱江波		54	202	8.0	11.0
2	董一鸿		55	224	8.0	13.0
3	陈华辉		63	319	9.0	15.0
4	潘善亮		32	126	7.0	10.0
5	邬少清		2	0	0.0	0.0
6	曹燕		6	9	2.0	2.0