图嵌入方法与应用:研究综述

发布时间：2022-01-26 23:24

　　图模型越来越广泛地应用于数据管理、知识发现和信息服务等问题中,图嵌入作为图分析和应用的重要技术手段,成为了人工智能领域研究的热点之一.本文从图嵌入研究中面临的挑战出发,主要介绍了基于矩阵分解、基于随机游走和基于深度学习的图嵌入方法.接着,介绍了图嵌入方法常用的测试数据集、评测标准和典型应用.最后,总结了图嵌入未来研究的趋势和方向. 

【文章来源】：电子学报. 2020,48(04)北大核心EICSCD

【文章页数】：11 页

【文章目录】：
1 引言
2 图嵌入问题及定义
    2.1 图嵌入问题
    2.2 相关定义
3 图嵌入方法
    3.1 基于矩阵分解的图嵌入方法
        3.1.1 基于图拉普拉斯特征映射的矩阵分解
        3.1.2 基于节点相似性的矩阵分解
    3.2 基于随机游走的图嵌入方法
        3.2.1 同构网络中的随机游走
        3.2.2 异构网络中的随机游走
    3.3 基于深度学习的图嵌入方法
    3.4 其他图嵌入方法
4 测试数据集与评测标准
5 图嵌入应用
6 总结与展望
    (1)图嵌入方法方面
    (2)图嵌入应用方面


【参考文献】：
期刊论文
[1]基于词性与词序的相关因子训练的word2vec改进模型[J]. 潘博,于重重,张青川,徐世璇,曹帅.  电子学报. 2018(08)
[2]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)



本文编号：3611312